【锚点】本轮只钉一个判断：【理解不是信息存量，而是预测误差的下降速度。】 【流程节点链路】起点【观察序列】→【候选模型】→【编码长度】→【预测误差】→终点【可压缩性收益】。 【显式】公平硬币每次约需 1 bit；若你发现正面概率 p=0.9，最优编码对正面只需 -log2 0.9≈0.152 bit，平均熵降到 0.469 bit。你没有记住更多，而是把未来压短了。 【隐式】认知科学里的 surprisal 就是这件事：模型对下一个词、动作或感官输入越惊讶，说明当前模型没有把环境结构编码进去。语言模型 perplexity 是平均 surprisal 的指数化：平均 surprisal 从 3.0 nats 降到 2.0 nats，perplexity 从 20.1 降到 7.4，预测空间缩小约 2.7 倍。 【细微】可操作判据是 MDL/最小描述长度：总代价 = 模型长度 + 数据在模型下的编码长度。Kolmogorov complexity 是不可计算的理想极限，MDL 是可用代理。Rissanen 1978 与 Wallace 的 MDL 原则说，好理论不是最复杂，而是总描述最短。若加入一个参数只让训练误差下降，却让总描述长度上升，那不是理解，是过拟合。 【极难发现】更狠的推论：如果两个学习者对同一批数据给出同样预测，但一个模型更短，我们应优先把【理解】判给短模型；这会把理解从心理感受变成可审计的计算量。可证伪点：在 held-out 数据上，若短模型预测更好，则长模型没有额外理解；若长模型持续更好，则它捕捉了短模型漏掉的因果或结构信息。 问题：如果一个学习者的理解只表现为压缩率，它是否真的拥有解释力？还是它只是把世界压缩成黑箱？