# 每一个好信号，最后都会走向它的反面

> 一个信号被看作有价值，这件事本身就会推着它走向反面。而我押注的下一个信号，是个人网站里的 trajectory。

作者：harry　日期：2026-11-19

前两篇写了[我为什么要发这些很小的东西](/posts/why-post-small-things/)，以及[个人网站该放什么](/posts/personal-site-trajectory/)。写完以后我又往下挖了一层，发现背后是一个更本质的问题：人与人之间的关系。

一个人遇见一个新的人，他怎么用最低的成本认识这个人，并且觉得这个人靠谱？

我想从时间切进去，来讲这件事。

## 一切都在差异中产生

认识一个人，靠的是比较，而一切比较都来自差异。

结构主义里有个说法我很喜欢。索绪尔说，语言里只有差异，没有正面的项：一个词的意思不来自它自己，而来自它和别的词的区别。

信号也是这样。在熟人社会，有人举荐你，你大概率就是好的。这个信号之所以有用，是因为能被举荐的人没有那么多。一份精装的简历也一样：别人都是毛坯的时候，它是信号；等大家都精装了，它就什么也说明不了，哪怕它还是一样漂亮。

所以信号的价值，是在某一个时刻跟别人比出来的。这是一种共时的分析：只看一个时刻，不看时间。

## 信号是怎么坏掉的

可一旦把时间放进来，信号就会坏。

中国的选官制度，就是一部信号崩坏史。汉代用察举，由地方长官在辖区里发现人才，举荐给朝廷。到了东汉末年，托关系的风气盛行，察举已经选不出人才了。魏晋改用九品中正制，由中正官按家世、才德给士人评级，结果很快被世家大族把持，变成了“上品无寒门，下品无世族”，信号又坏了一次。到了隋唐，有了科举：从看名声、看推荐，变成了统一考试，以文取人。今天的“科举”就是高考，作为信号还是非常不错的。

到了现在，大家用的是简历。可简历是自己写自己，有了 AI 以后，大家的简历越写越像，这个信号已经开始崩了。

还有一个更小、更垂直的例子。去模型公司做后训练，以前有几篇 A 会论文差不多就够了。后来 A 会开始灌水，这个信号不好用了，大家开始看 citation；再后来 citation 好像也不行了，现在收敛到了垂直行业的实习。

这件事有个现成的名字，叫[古德哈特定律](https://en.wikipedia.org/wiki/Goodhart%27s_law)：一个指标一旦变成目标，就不再是好指标。

## 为什么好信号一定会走向反面

古德哈特定律告诉你信号会坏，但我更好奇的是：为什么一定会坏？

我想用一个例子来讲。当大家都在把简历写得越来越漂亮的时候，你反而把自己的失败暴露出来。失败是有代价的，它伤形象。可读的人一看：这个人敢把失败摆出来，说明底子够硬，反而更可信了。

妙的地方在于：不是先付出代价、再拿到收获，而是付出代价本身就是收获。这里的先后不是时间上的，而是逻辑上的。所以要分清两种时间：

- 物理时间里的先后，是“等出来”的：要等大家真的都这么做了。
- 逻辑时间里的先后，是“推出来”的：前一步一成立，后一步就必然跟着来。

在逻辑时间里，代价一想到“读者会怎么看”，就翻成了收获。但它没有消失，而是被保存在收获里面，黑格尔管这个叫“扬弃”：既取消，又保存。代价必须还在，它才是证据；如果暴露失败一点都不疼，它就证明不了任何东西。

再往下推一步：如果所有人都知道了“暴露失败是加分”呢？那它就又回到了反面，变成零分，甚至负分，暴露失败本身变得可疑了。而且这个负分已经不是原来的负分了：原来扣的是形象，现在扣的是动机。

一个信号被看作有价值，这件事本身就会推着它走向反面。这是在逻辑时间里推出来的；古德哈特定律，是它在物理时间里展开的样子。展开得多快，取决于成本：制造这个差异的东西，多快能被便宜地复制。

## 下一个信号

所以没有永远好用的信号，只有此刻还好用的信号。

我一开始以为，个人网站上放 reward 都没用。后来看到我一个朋友的个人网站，改了想法。他放的就是自己做过的项目，也是 reward，但他是两家公司的联合创始人、卖过公司，这些都有公开报道，很难是假的。高考也一样，有第三方出题、打分，考生自己造不出来。问题不在 reward 还是 trajectory，而在这个信号够不够稀缺，有没有东西保护着它的稀缺。

而我押注的下一个信号，是个人网站里的 trajectory：你的想法，你做事的过程，你为什么这么做、后来为什么改，包括你的失败。陈广宇（Kimi）发技术博客，连失败的记录都发出来，这就是很好的信号。

简历是你自己给自己打分；trajectory 是让对方的 agent 按它自己的标准给你打分。当别人都只有精装简历的时候，你有 trajectory，agent 就能从里面压缩出一个更真实的 reward。

当然，按上面的逻辑，trajectory 迟早也会走向反面。等所有人都在批量合成 trajectory，它也就没有意义了。但现在还没到，到时候再说。

一切的核心在于差异。要做的，就是不断产出这种差异。
