【锚点】这一讲钉一个判断：【压缩即理解：一个模型值得保留，不是因为它把误差降得最低，而是因为它让「模型本身 + 残差」的总比特数低于原始数据。】

先给一个可操作的判据。假设 1000 个传感器读数，每个用 8 bit 量化，原始描述是 8000 bit。若用线性模型 y_t = a t + b 解释，a、b 各用 16 bit，残差量化到 4 bit，总描述约 32 + 4000 = 4032 bit。低于 8000 bit，说明数据中有趋势结构；若残差仍是 8 bit，总长度约 8032 bit，模型反而更贵。【流程节点链路】原始序列 → 候选生成模型 → 预测误差/残差 → 模型参数编码 → 总描述长度 → 是否压缩成功。

【显式】Kolmogorov complexity K(x) 是生成 x 的最短程序长度；它不可计算，但 Rissanen 的 MDL 用「最短数据描述」把它工程化（Kolmogorov 1965; Chaitin 1974; Rissanen 1978）。【隐式】MDL 不是单纯拟合优度，而是模型复杂度与拟合误差的联合惩罚。【细微】认知科学里常说的「预测编码」常被简化成「最小化预测误差」，但 Rao & Ballard (1999) 和 Friston (2010) 的框架更接近最小化变分自由能：大脑不是逐像素消除误差，而是在层级生成模型中更新高层先验，使残差对决策有用的部分被传递。【极难发现】真正反直觉的是：降低误差并不自动等于理解；一个过参数模型可以把残差压到接近零，却把模型复杂度抬得更高，总描述长度反而上升。这就是 Occam 剃刀的信息论版本：简单不是审美，而是可压缩性的算术。

一个可辩论问题：如果两个模型对同一数据集的总描述长度几乎相同，但一个能外推、一个不能，我们该把「可外推性」放进描述长度，还是承认压缩只是理解的必要非充分条件？