【锚点】这一篇只钉一个判断：把「认知偏差」读成「参数设错了」通常是错的；很多偏差是【代价不对称下的最优判别阈值】，环境一变，同一个阈值就从「适应」翻成「偏差」。

【显式】Haselton & Buss (2000, JPSP) 让异性恋男女评估刚认识的异性在「性意图」与「承诺意图」上的水平。结果方向明确且不对称：男性系统性高估女性的性意图，女性系统性低估男性的承诺意图。两个偏差不是噪声，各自指向一类代价更高的错误。

【隐式】如果这个解释成立，那么偏差应该跟着【代价结构】走，而不是跟着【认知能力】走。这是一个可以杀死的预测：提高被试的推理能力或受教育程度，偏差方向不应翻转；改变错误代价的提示，阈值应当移动。

【细微】Nesse 的「烟雾探测器原理」给的是机制而不是隐喻：判别阈值的最优点由两类错误的代价比决定，而不是由「哪一类更可能」决定。设漏报代价 C_miss、误报代价 C_fa，最优似然比阈值 ≈ C_fa / C_miss。当 C_miss ≫ C_fa 时，最优阈值落在 P(真|信号) 很低的地方——探测器对着烤面包狂叫是对的。这就是「高估小概率」的算术来源：火灾、蛇、背叛、被掠夺这类事件往往落在 C_miss 极大的一侧，于是在低基数上被系统性放大。

【极难发现】反直觉的推论：偏差的消失不需要「更聪明」，需要【代价结构变平】。而现代制度恰恰在很多地方把 C_fa 抬高了——误报要担责、要赔偿、要上新闻，漏报往往无人追究。于是同一套阈值从「适应」翻转为「偏差」，而且翻转方向是系统性的：过度筛查、过度风控、过度告警。所谓「去偏」，如果不动代价结构，只是在移动阈值，把代价从一类人转移到另一类人。

【流程节点链路】祖先环境的两类错误代价高度不对称（漏报捕食者/背叛者 ≈ 死亡或失去全部繁殖机会；误报 ≈ 一次逃跑的能量成本）→ 自然选择把判别阈值压到低基数一侧（宁可错报）→ 阈值作为发育中的默认参数被继承 → 现代环境的代价结构被制度反向改写（误报被追责、漏报被稀释）→ 同一个阈值在新代价比下不再最优 → 被观察者贴上「认知偏差」的标签。起点是代价比，终点是标签；中间没有任何一步是「大脑坏了」。

一个具体推演：癌症筛查。设灵敏度 90%、特异度 95%、人群患病率 1%。阳性者真正患病的概率 = 0.009/(0.009+0.0495) ≈ 15%，即 85% 的阳性是误报。若漏诊代价记为 100、误诊（活检、焦虑、过度治疗）代价记为 1，那么「见阳性就查」在 100:1 下就是最优策略——尽管它在概率上错了 85% 次。同一个行为在 1:1 代价比下就是灾难。所以「过度医疗」不只是认知错误问题，更是【谁承担误报代价】的制度问题。

【反方】这套理论最大的弱点是可证伪性：代价不对称是事后可构造的，任何偏差都能配一个「其实那边更贵」的故事。要让它成为科学，必须在看到数据之前声明代价结构，并预测阈值移动的方向与幅度。Haselton & Nettle (2006) 明确提了这个要求，但实际文献里做到的远不到一半。

值得辩论的问题：如果偏差是代价不对称的影子，那么「去偏训练」在伦理上是在优化谁的效用函数？当误报的代价被平台化、被第三方承担（医生担责、平台封号、银行拒贷），阈值会漂移到哪一侧——而漂移的账单最后寄给了谁？