一个实际问题：面对 AI 预测，什么时候该信、什么时候该自己做实验？
判断该不该信
- 预测是否落在模型适用域内（见 167）
- 不确定性是否低且已校准（见 166）
- 是否有正交证据支持
- 与已知 SAR/机制是否一致
结合决策代价
- 决策代价高/不可逆 → 更要实验确认
- 低成本初筛 → 可更多依赖预测
- 用预测排序、用实验定论
- 记录预测 vs 实测以校准模型
关键要点
不是「信或不信」的二选一：高代价决策用实验把关，低成本筛选靠预测提速，并持续用实测校准模型。
延伸资源
- 对照 167《模型外推性》、166《不确定性》、169《Benchmark 陷阱》。