01原理
好奇心倾向说的是：人看到解释不了的东西，会自发地想弄明白，哪怕没有任何直接回报。芒格清单上的大多数倾向都是陷阱，比如急于下结论、坚持已有结论、跟风、讨厌坏消息；好奇心是少数朝反方向推的力量。一个真想知道“为什么”的人，会去翻那些跟自己判断不一致的数据，会追问一个让人不舒服的异常，而不是把它当噪音删掉。
芒格用雅典和罗马做对照，强调好奇心本身不稀缺，稀缺的是让它发挥作用的文化。罗马人同样聪明，但他们的注意力被“实用”占满，于是在数学和科学上几乎没有留下东西。这对公司是一个提醒：团队的好奇心多半不是被消灭的，而是被“这周要上线什么”挤掉的。
他的第二个论点更个人：好奇心是一种长期复利。正规教育结束以后，学习没有考试和学分来推动，还能持续学下去的人，多半是因为觉得有趣。芒格自己读跨学科的书、研究邪教为什么能在一个周末改变人，起点都是想弄明白。
对十人以内的 AI 公司，这个倾向既是燃料也是风险。模型、工具和用户行为每个月都在变，没有人能靠两年前学的东西做判断，好奇心几乎是唯一可靠的更新机制。但小团队的时间极其有限，好奇心要被引向真正的异常，而不是每一个新发布的玩具。
为什么成立
从机制看，好奇心是一种内在奖励：信息缺口带来轻微的不适，补上缺口带来满足。这和避免怀疑倾向用的是同一种不适，出口却相反。避免怀疑靠随便定一个答案来止痛，好奇心靠真正找到答案来止痛。两者谁占上风，很大程度取决于环境：压力大、时间紧时，人会选最快的出口；有余裕、有人鼓励追问时，人才会选费事的那个。
它能抵消其他倾向，是因为大多数误判都来自没去看。确认偏误让人只找支持的证据，权威误导让人不去核对，社会认同让人不去独立判断。一个对“为什么会这样”真正感兴趣的人，会自然地去碰这些被跳过的地方。异常往往是现有模型出错的第一个信号，愿意为它停下来的人，最先发现地图和地形不一致。
02芒格怎么说
芒格在 2005 年修订的《人类误判心理学》里把它列为第 6 种倾向，篇幅很短，口气也和其他倾向不同：这是少数他明确说“有帮助”的倾向。他认为哺乳动物都有好奇心，猿猴最强，人又远强于猿猴；文化能放大它的效力，比如雅典出于纯粹好奇发展了大量数学和科学，罗马则只关心矿山、道路、水渠这类“实用”工程。他的核心判断是：好奇心配上好的教育，能帮人预防或减轻其他心理倾向带来的坏结果。他也在同一篇讲稿里承认，自己钻研心理学，起点就是“猴子般的好奇心”。
Curiosity, enhanced by the best of modern education (which is by definition a minority part in many places), much helps man to prevent or reduce bad consequences arising from other psychological tendencies.
好奇心，加上最好的现代教育（这在很多地方按定义只是少数人的事），大大有助于人预防或减轻其他心理倾向带来的坏结果。
The curious are also provided with much fun and wisdom long after formal education has ended.
好奇的人在正规教育结束很久之后，还能得到许多乐趣和智慧。
I had always loved theory as an aid in puzzle-solving and as a means of satisfying my monkey-like curiosity.
我一直喜爱理论，把它当作解谜的帮手，也当作满足我猴子般好奇心的手段。
03怎么用
- 01
给异常建一个“怪事”栏
在事故复盘、评测报告和用户数据周报里，固定加一栏“我们解释不了的东西”。规则是：任何人都可以往里写，写进去的不需要有结论，但每周至少挑一条花一两个小时追下去。很多关键发现最初看起来只是一个奇怪的数字，删掉它比追它省事得多。
- 02
区分“想弄明白”和“想试试新东西”
AI 领域每周都有新模型、新框架。好奇心最划算的用法是追问自己系统里的反常现象，其次才是追新。可以给追新设上限，比如每人每周半天；给追异常不设上限，只要它和当前产品有关。前者让团队保持视野，后者才真正改进判断。
- 03
招人时看对方追问到第几层
面试里讲一个真实的、没有标准答案的线上问题，看候选人问了几个“为什么”、有没有提出能区分不同解释的检查。好奇心很难教，但很容易在一小时的对话里看出来：有的人急着给方案，有的人先想知道到底发生了什么。
- 04
把“玩”留在日程里
很多基础设施级的东西起点是某个人晚上的随手实验。小团队可以每月留出一两天，让每个人做跟手头任务无关、但跟公司领域有关的小原型，结束时用十分钟展示。不要求它能上线，只要求说清楚学到了什么。
04案例
彭齐亚斯和威尔逊：没有删掉那团噪音
贝尔实验室 1960 年在新泽西州霍姆德尔建了一个 20 英尺的喇叭形天线，用于 Echo 卫星通信。Echo 过时后，天线空了出来，彭齐亚斯和威尔逊在 1964 至 1965 年用它测量银河系的信号，却碰到一团从各个方向都一样的微波“噪音”。他们没有把它当设备误差抹掉，而是一项项排除：银河系、地外来源、城市干扰（把天线对准纽约市测试）、军事试验，又清理了在天线里筑巢的鸽子和鸽粪，噪音仍在。直到彭齐亚斯联系上普林斯顿的物理学家迪克，才知道迪克正准备做实验寻找大爆炸留下的背景辐射。两组人的论文在《天体物理学杂志通讯》上发表，彭齐亚斯和威尔逊分享了 1978 年诺贝尔物理学奖。这正是芒格说的好奇心抵消其他倾向：最省事的做法是把异常归给仪器，他们的好奇心让他们没有这样做。[2]
巴甫洛夫的洪水：异常之后的半生
这是芒格在同一篇讲稿里自己讲的例子。1920 年代列宁格勒大洪水时，巴甫洛夫实验室里关着许多已经被训练出固定习惯的狗，水位一度涨到狗的鼻子几乎碰到笼顶。洪水退去后，不少狗的行为彻底变了，原本喜欢训练员的狗变得讨厌他。芒格说，任何好的实验科学家看到这种意外的剧变都会被激起近乎狂热的好奇，巴甫洛夫正是如此，并把余生用来研究压力如何让狗崩溃、又能否恢复。芒格还补了一句反面：他试着和两位弗洛伊德派精神科医生讨论这项研究，对方都没听说过。好奇心让一个人追着异常走了几十年，缺乏好奇心让一个行业对相关证据视而不见。[1]
注意力汇点：为什么删掉几个“没用”的词，模型就胡言乱语
2023 年夏天，MIT 韩松实验室的肖光烜在 Meta 实习时，和合作者试图用滑动窗口的 KV 缓存让模型处理超过训练长度的长对话。他们发现，一旦最开头的几个 token 被挤出缓存，模型就从通顺突然变成乱码，困惑度飙升。奇怪的是，这些开头的 token 往往几乎没有语义，比如起始符或“the”。他们没有绕过这个问题，而是去看 Llama-2 的注意力分布，发现大多数层都把大量注意力放在最前面几个 token 上，不论在预测什么，于是借图论的说法把它叫作“注意力汇点”。论文 2023 年 9 月发布（后收入 ICLR 2024），提出只要保留开头几个 token 的缓存，模型就能稳定处理多达 400 万 token 的流式文本，比滑窗重算基线最多快 22.2 倍。据肖光烜 2025 年的回顾，英特尔、Hugging Face 和英伟达在之后几个月相继集成了这个方法；2025 年 8 月 OpenAI 发布的 gpt-oss 也带有注意力汇点机制，模型卡把设计归于这项工作。研究者都是小组，但这不是创业公司案例；它说明的是一个“奇怪的崩溃”如果被追到底，可能比原本的工程目标更有价值。[3][4]
llama.cpp：“一个晚上拼出来的”，后来成了本地推理的底座
2023 年 3 月，格尔加诺夫（Georgi Gerganov）发布了 llama.cpp，用不依赖任何库的 C/C++ 运行 Meta 的 LLaMA 模型，目标是靠 4 位量化让它在 MacBook 上跑起来。最早的 README 写得很随意：这是一个晚上拼出来的，他不知道结果对不对，项目仅供学习，不会被好好维护。几天后他在项目讨论区写道，捣鼓小工具和示例是推动创新的好办法，过程中有乐趣很重要。同年他创办 ggml.ai，由弗里德曼（Nat Friedman）和格罗斯（Daniel Gross）提供种子前融资，官网把“探索和玩”写成公司价值观之一，鼓励贡献者尝试疯狂的想法。2026 年 2 月 20 日，Hugging Face 宣布 ggml 团队加入，承诺项目继续百分之百开源，团队保留技术方向的完全自主权。一个出于好奇的周末实验长成基础设施，靠的是好奇心之后的持续投入，而不是那一个晚上本身。[5][6][7][8]
05误用与边界
把好奇心当成逃避难事的借口
研究一个有趣的新模型，比打二十个客户电话舒服得多。好奇心会把注意力引向有趣的问题，而不一定是重要的问题。判断标准很简单：这件事弄明白之后，会不会改变我们下周的某个决定？不会的，就先记下来，别占用主线时间。
只对符合自己期待的东西好奇
人对支持自己想法的新证据往往兴致勃勃，对反驳它的证据却兴趣寥寥。这时候“好奇”其实是确认偏误换了件外衣。芒格看重的好奇心，是对自己理论的漏洞感兴趣。检验办法是看你最近追查过的异常里，有多少最后推翻了你原来的判断。
以为好奇心能替代纪律
芒格说的是好奇心加上好的教育才有用。光有好奇，没有方法，会得到一堆有趣但没验证的猜测。巴甫洛夫的价值在于他几十年保持了仔细的实验记录；彭齐亚斯和威尔逊的价值在于他们一项项排除了替代解释。好奇心负责开头，结论要靠核对。
06检查清单
下次做相关决策前逐条过一遍。勾选只保存在你的浏览器里。
08来源
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8