X3.02.2Capability overgeneralisation设计研究
一次成功会被推断为通用能力
别名: 成功泛化 · 能力过度归纳 · hasty generalisation
概念解释
能力过度泛化（capability overgeneralisation）是人看到机器人在一个受控案例中成功后，推断它在相似物体、语言、场地或任务上也普遍可靠。一次演示提供“能做”的强证据，却通常不显示成功依赖的照明、摆位、训练分布或人工准备。
机制
用户无法直接观察模型覆盖与控制余量，只能从少量行为抽取类别规则。流畅成功会提高对底层通用性的估计，尤其当系统不给出条件说明时。机器人随后进入稍有变化的情境，人的高先验使其更晚监控、更少准备替代方案，于是能力误判转化为过度依赖。
怎么研究
可控制初次演示的样本多样性与成功流畅度，随后呈现近迁移和远迁移任务，测量能力预测、委派、监控与失败恢复。真实成功率需保持一致，才能识别演示框架的作用。参与者的技术知识、相似系统经验和营销材料接触应记录。
边界
从样例泛化并非非理性，产品若属于成熟稳定类别，先验可帮助快速学习。问题在训练分布狭窄、长尾后果高或相似外观掩盖不同感知需求时最严重。一次失败也可能被过度泛化为“什么都不行”，因此目标是校准而非压低信任。
怎么落地
- 演示成功时同步显示关键前提，并至少展示一个可恢复边界案例。
- 让用户在改变物体、光照或措辞后预测结果，再揭示真实能力，纠正隐含的通用性假设。
- 部署中记录首次成功后的委派范围和监控下降；若扩张超过验证范围，在下一次委派前提示具体差异。