贝叶斯更新：新证据来了，判断该改多少？

「贝叶斯更新」（Bayesian updating）把已有判断当作起点：先验是看到新证据前的可信度；似然问的是，若某个解释为真，这条证据有多常见；两者结合得到后验，也就是更新后的判断。这一思路可追溯到 Thomas Bayes 1763 年关于机会学说的论文。1

它替代的是「看到一条新消息，就凭感觉把原判断全盘改写」这类提示。更稳的问法是：这条证据更支持哪个解释？在其他解释下它也常见吗？证据越能区分不同解释，调整才越大。2

直接调用时，让 AI 列出先验、支持各解释的新证据与区分度，并写明更新后仍保留的不确定性。边界也要留住：它不会替你造出可靠的先验和证据；输入偏或证据弱，结果不会自动变准——给出的是基于当前信息的判断，不是定案。