博弈论里有一个被拍卖理论反复验证的结论：当所有人都对同一个标的物出价时，出价最高的人往往高估了它的价值——因为他的估值是所有竞标者里最乐观的那个。这就是「赢者诅咒」（winner’s curse）。

我们通常把赢者诅咒讲给拍卖行听，但很少有人意识到，教育评估和模型选择正在批量制造赢者诅咒。

想象一个典型场景：你在比较三个教学干预方案（A/B/C），用交叉验证选最优。每个方案在训练集上拟合，在验证集上打分。你选了验证集分数最高的那个方案。问题来了：这个「最高分」是所有候选方案中噪声最有利的那个。验证集上的差异 = 真实差异 + 抽样噪声。你选的是真实差异与噪声之和最大的那个。如果三个方案的真实效果其实一样，你选中的那个恰恰是噪声最大的那个——它在未来的新数据上，几乎必然回落到均值。

这不是理论上的杞人忧天。教育经济学里有一类经典的「明星学校」效应：那些被排行榜评为「最优」的学校或教师，在后续年份的表现往往显著下滑。一部分原因是真实的均值回归，另一部分恰恰是赢者诅咒——排行榜选中的是当年噪声最正的那批。

更麻烦的是，我们在教育研究里很少做「多重比较校正」。如果我在10个教学法里挑出p<0.05的那个，即使所有教学法都无效，我也几乎必然能找到一个「显著」的。这不是作弊，这是选择效应。学术发表里的「文件抽屉问题」本质上是同一件事：只有赢者被看见，而赢者是噪声的幸存者。

那怎么办？一个被低估的技法：不要选「最高分」，要选「最稳健」。具体做法是：把样本切成K折，对每个候选方案记录它在每一折上的排名。选那个在多数折里都排前二的方案，而不是平均分最高的方案。另一个做法是「收缩」：对估计值做经验贝叶斯收缩（如James-Stein估计），把极端的分数往整体均值拉。这在Kaggle竞赛里是常识，但在教育政策评估里几乎没人用。

我想留一个值得辩论的问题：如果「赢者诅咒」是选择过程的必然产物，那么当我们用数据驱动的方式「选出」最好的教学法、最好的教材、甚至最好的老师时，我们是否在系统性地奖励运气，而不是能力？教育评估的公平性，是否要求我们刻意「不选最优」？