L5.10.1asymmetric trust update设计研究
一次失败对信任的削弱大于一次成功对信任的增强
别名: 不对称更新 · 失败权重大 · negativity bias in trust
概念解释
诊断助手对了一例，信任往上走一点；错了一例，往下走的那一截更长。单位都是「一次」，权重不相等。一次失败对信任的削弱大于一次成功对信任的增强（asymmetric trust update）。
这是更新规则的不对称，不是「一次重错就能把长期信任抽空」的崩塌，也不是「需要许多次成功才能补回」的计数恢复。这里只比较成对的一次对一次。
机制
人对损失比获得敏感。交托是把后果交给系统，失败是损失，成功是「没出事」。没出事难以编码成同等强度的证据。界面还在放大：失败出模态、要处理；成功无声地进入下一题。于是失败在记忆里的提取更容易，下一次估计被失败拉得更狠。
Lee 与 See 的校准允许估计沿经验移动；移动的步长若失败大于成功，同样数量的正负事件之后，净位置偏负。这与连胜把估计顶过基率可以共存：连胜是窗口里没有负事件，一旦出现一个，不对称更新会把刚顶上去的那截多削掉一些。
怎么研究
在基率已知的序列里，把一次成功和一次同等可见的失败插在对称位置，测插入前后的交托与估计变化幅度。自变量：失败与成功的可见性是否匹配、后果是否同档。因变量：上升步长、下降步长、两者之比。
后果必须同档。用罚款级失败去比无声成功，测到的是严重性，不是单位不对称。
边界
成功若被设计成同样可见（明确的「这次对了，依据是这些」），不对称会收窄，不会完全消失。赌博或游戏里人可能反过来追连胜。一次高后果事故走的是崩塌，步长不再是「一次对一次」能描述的。把单一领域的失败泛化到全部能力，是下一步的范围错误，不是步长本身。
怎么落地
- 不要只把失败做响、成功做静。成功也给同等短的可见回执，让正样本能进估计。
- 在失败之后立刻给一次同档任务上的可观察成功，避免不对称步长单独落在记忆里。
- 度量时分别报「一次成功后交托升多少」和「一次失败后掉多少」，不要只报净信任分。
- 验证：同档的一正一负之后，净交托是否明显偏负。是，不对称更新在工作；再看你们是否只在失败侧做了重提示。