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。真正关键的不是证据“像不像结论”，而是它能否区分不同解释：如果各个解释都能产生这条证据，就只小幅调整；如果它明显更支持某个解释，才应移动得更多。2

模型接下来会列出先验、各个解释对这条证据的预期与区分度，再给出更新后的判断，并写明仍保留的不确定性。

边界也要留住：更新不会替你制造可靠的先验和证据；输入偏或证据弱，结果不会自动变准。它给出的是基于当前信息的判断，不是定案。