【锚点】这一篇只讲一个判断：【认知偏差不是理性机器的随机故障，而是对不对称错误代价的适应性调参。】 【流程节点链路】【误差代价矩阵】 → 【自然选择压力】 → 【认知默认设置】 → 【现代环境错配】。

【显式】最直观的证据来自【Wason 选择任务】。抽象规则（若 A 则 3）多数人卡住；换成社会交换规则（若喝啤酒则必须年满 21 岁），正确率明显上升。Cosmides 与 Tooby（1992）把这类任务解释为【欺骗者检测】：人类对“谁违反互惠规则”特别敏感。多项重复实验中，抽象材料正确率常在 10%—30%，社会交换材料可升到 60%—80%。这不是数学能力变强，而是问题触发了另一套快速启发式。

【隐式】把【损失厌恶】放进同一框架：Tversky 与 Kahneman（1991）估计损失效用约为同等收益的 2.25 倍。若把“没发现损失”视为【漏报】，把“对潜在损失过度反应”视为【误报】，在资源不稳定环境中，漏报一次饥饿、被掠夺或感染可能致命，误报几次只浪费注意力。于是系统被调成宁可多报警，不可漏报警。

【细微】同一个“偏差”在不同领域会反转。对【被欺骗】，漏报代价高，所以人倾向于多怀疑；对【昂贵承诺】，误报（轻易相信）代价高，所以人倾向于多验证。这说明分析单位不是“偏差”，而是【错误代价比】。

【极难发现】真正要质疑的前提是：【偏差=非理性】。这个前提假设认知目标只有一个：逼近理想推理。但演化目标不是“逻辑最优”，而是“在特定代价结构下活下来并留下后代”。一旦代价结构改变，同一机制会从优势变负债。

【待验证】可检验预测：若实验人为提高【误报成本】，应观察到怀疑/过度报警下降；若提高【漏报成本】，应观察到怀疑/过度报警上升。若该预测在资源、社交、健康多个领域都成立，则【误差管理理论】比“偏差是噪声”更有解释力。