U1.09.2Usable information beyond channel capacity设计研究
超过上限后新增等级只增加混淆不增加信息
别名: 超限混淆 · 可用信息饱和 · 档位边际收益
概念解释
超限后的可用信息饱和（usable-information saturation）指继续增加编码等级时，数据或图例虽然列出了更多状态，读者在目标任务中可可靠恢复的区别却不再增加，错误与查找成本反而上升。标题中的“只增加混淆”针对需要逐档辨别、识别或搜索的任务，不声称图像在数学上没有新增值，也不声称越过某个固定整数便突然失效。
机制
在固定视觉范围内插入新等级，常会缩小一部分近邻间距，使原有等级与新增等级的反应分布重叠。候选集合扩大还增加图例匹配和搜索比较，但原因不能简化为一个普遍的工作记忆槽位数。结果取决于哪几对相似、它们出现频率与决策代价：新增等级可能改善一类区分，同时让另一些区分恶化。
怎么研究
以等级数为自变量，保持数据、布局、图元和总体通道范围一致，并为每个等级数重新优化候选编码。分别测成对辨别、身份混淆、搜索遗漏、反应时间和任务决策；从混淆矩阵估计可恢复信息及其区间。若只向旧色板末尾追加最差刺激，测到的是选色策略与等级数的混合效应。还应按关键类别、常见类别和高代价错误分别报告，而不只看总体均值。
边界
新增等级仍可能帮助发现粗略分组、密度或连续趋势，即使逐档命名已失败。直接标签、焦点过滤或按需查询也能把身份读取转移到文字与交互；代价变成时间和可用性，而非消失。训练可以改善稳定编码的识别，但上线时不能把训练后的表现外推给首次读者。
怎么落地
- 用逐级增加档位的任务测试寻找性能拐点，不把经验类别数当发布门；保留每次测试的编码集合和置信区间。
- 检查最易混淆的具体等级对及其后果；高代价状态即使总体正确率尚可，也应改用标签、分面或冗余线索。
- 若新增档位只改善名义粒度而不改善任务答案，停止加档，改为筛选、分层呈现或单独的明细视图。
- 对动态数据监控混淆与查找时间，新增类别或显示条件变化时重新验证。