为什么 220 个选题之后必须停一次继续扩题可能是在把推进伪装成供料
《问题217》人工精修选题，双域证据作答。
为什么 220 个选题之后必须停一次继续扩题可能是在把推进伪装成供料
创作者的选题库膨胀到 220 个的那天,通常伴随一种良好的自我感觉:「素材充足,弹药充沛。」但一个刺耳的问题值得在此刻问出来:过去一个月,你发布了几篇?如果答案是零或接近零,那么这 220 个选题不是弹药库,是一场用「供料」的姿势进行的逃避。LLM 训练管线里有个成熟的纪律恰好治这个病,叫评估门控。
先看这个病在创作者(尤其 ADHD 创作者)身上的病理。扩选题这件事,多巴胺配方近乎完美:每个新选题都是一次小小的「发现」,有新鲜感,有产出感(列表变长了!),零风险(没有发布,就没有反馈,就没有失败)。相比之下,把一个选题写完发出去:漫长、枯燥、且要直面数据和评论。于是系统自发地把资源全部路由到扩题——不是因为策略,是因为扩题的每单位努力,回报的爽感更高。 时间一长,选题库的增长曲线成了「我在推进」的最有力证据,而它恰恰是「我在原地」的最准确指标。
LLM 训练侧的对应现象,行业痛过才学乖:无限堆数据不等于变好。见过太多团队沉迷于「再爬一批语料、再扩一轮数据集」,模型却不上线、不评估——后来的共识是评估门控(evaluation gating):数据供给和训练迭代必须绑定评估节点,每个周期必须出 checkpoint、跑测试集、看真实指标,否则供料无限期继续而系统永不接受检验。数据是手段,checkpoint 才是存在的证明。
创作者版的评估门控,四条:
一、立刻冻结供料。 220 个够你发三年。宣布选题库进入冻结期:发布 10 篇之前,不新增任何选题(冒出来的新想法进收件箱,不进库)。这条规则的价值不在管理选题,在切断那条「用扩题换爽感」的多巴胺通路,逼系统把资源路由回生产线。
二、设发布节拍,checkpoint 化。 固定节奏(每周一篇,质量不设上限但设下限:「可发布」即可)。发布就是你的 checkpoint:一个未发布的选题库,和一个从没跑过评估的模型一样,价值是零,不是「潜在的很多」。
三、让真实反馈回流选题评分。 发出去的每篇,数据(打开、读完、评论)回来后做一件事:回头给选题库里同类选题调分。这才是「供料」的正确闭环——220 个选题此刻的排序是你的想象,十篇真实反馈就能让排序面目全非;不发布,你的选题库永远在用幻觉排序。
四、识别复发。 冻结期里,「扩题冲动」会换装出现:重新整理选题库的分类(是扩题)、给选题写更详细的大纲但不动笔(是扩题)、研究「别人怎么做选题」(还是扩题)。判据一条:这个动作让某篇文章更接近发布了吗?没有,就是供料,回生产线。
边界
同构强度 C 级:如实标注——「数据囤积 vs 评估门控」是真实的工程教训,但创作流程的映射是方法论类比,无对照研究;ADHD 的新异刺激偏好与回避模式有文献基础,「扩题成瘾」是本文的操作性描述,非临床概念。声明:若「不敢发布」的背后是强烈的暴露恐惧、完美主义冻结或对批评的灾难化预期,那是值得认真对待的情绪主题,和咨询师谈比和选题库搏斗有用。
今天就能试的 3 件事
- 宣布冻结:发够 10 篇前不增选题,新想法进收件箱。
- 挑库里第 1 名,今天写前 300 字:不求好,求这个选题进入生产状态。
- 定你的 checkpoint 节拍:每周几发布?写下来,告诉一个会问进度的人。
220 个选题的库,和 220TB 没跑过评估的语料一样,都只是「可能性」的仓库——而可能性不会复利,只有 checkpoint 会。 停止供料,出一个版本,让世界给你打分:那一刻起,你的选题库才开始真的值钱。
参考来源
同构强度：B 级 —— 机制类比（ADHD 侧与 LLM/agent 侧均有真实文献，机制可映射）
- ADHD Apps: We tested 44 Apps and Here’re the Best 9 in 2026 — 证据等级：低（GRADE）
- 12 AI Personal Assistants Built for ADHD Brains (2026 Rankings) — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Inhibitory control and emotion regulation in preschool child ↔ ObjexMT: Objective Extraction and Metacognitive Calibration — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Emotion-related self-regulation and its relation to children ↔ A Reproducibility Study of Metacognitive Retrieval-Augmented — 证据等级：低（GRADE）
- The 12 Best AI Tools for 2026 (That People Actually Use) — 证据等级：低（GRADE）
- The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）
本文是「ADHD × AI」系列的第 53 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。