我觉得天生的和后天都有。以我个人的经验，其实对很多人来说后天占很大比例。譬如如果因为这种观点吃过亏又肯好好思考的话能明白对错没那么绝对。譬如说有人是因为不需要在社会上面对很多人不需要时刻考虑自己怎样才能survive所以就是天然的本能的对错观，有人是因为cursed by his own success，不能不承认，这种想法如果在决定是对的时候还是很efficient的因为不会左右摇摆所以习得性觉得世界都是线性模型。。。
我觉得天生的和后天都有。以我个人的经验，其实对很多人来说后天占很大比例。譬如如果因为这种观点吃过亏又肯好好思考的话能明白对错没那么绝对。譬如说有人是因为不需要在社会上面对很多人不需要时刻考虑自己怎样才能survive所以就是天然的本能的对错观，有人是因为cursed by his own success，不能不承认，这种想法如果在决定是对的时候还是很efficient的因为不会左右摇摆所以习得性觉得世界都是线性模型。。。
cursed by own success 有道理。或者文绉绉一点就是 victim of own success。 Efficient 也是没错，但 efficient 不一定总是 effective。 现实身边的人例子，北清 top 2 这种进了好专业就是 efficiently effective。 但如果是 top 2 火坑专业并且没法出头的，是不是转行马工，以及转行后 fit 新行业的情况，统计上常常比不过国内州立加美帝二线州立的群体。至少 low end 散布反而更大。 我觉得部分原因可能是 top 2 天之饺子从高中开始可能就不知道啥叫做失败或失手或挫折。而线性思维主导虽然确实 efficient，但时移世易的情况也可能造成 efficiently ineffective。
削尖脑袋追藤的过程就很容易养成。
是的，还有对体育过分重视（纯粹讨论而已，轻拍）。体育这个东西就是一个short term feedback呀，你锻炼了就长肌肉。所以在这上面尝到甜头的人很容易变成一个方向不回头。
cursed by own success 有道理。或者文绉绉一点就是 victim of own success。
Efficient 也是没错，但 efficient 不一定总是 effective。
现实身边的人例子，北清 top 2 这种进了好专业就是 efficiently effective。
但如果是 top 2 火坑专业并且没法出头的，是不是转行马工，以及转行后 fit 新行业的情况，统计上常常比不过国内州立加美帝二线州立的群体。至少 low end 散布反而更大。
我觉得部分原因可能是 top 2 天之饺子从高中开始可能就不知道啥叫做失败或失手或挫折。而线性思维主导虽然确实 efficient，但时移世易的情况也可能造成 efficiently ineffective。
principally我是同意你对这个例子的分析的，但是只要是好专业就effective是不是也有点极端了？即使是好专业，在progress的过程中还有无数次决策可能是ineffective的。
好专业对 北清 top 2 问题比较少。至少不用考虑转行了，另外还有金子招牌效应。
当然时移世易，现在马工也得十年或十五年转细分行业，如果留在 tech track 的话。不好说。将来的事情现在看不清。
另一种现象是 curse by high correct rate 高正确率。这也是电算年代的变化。
如果把 北清 top 2 跟 ChnMO/USAMO 出线的群体比，在同样万里挑一的 percentile 里，统计上前者的正确率比后者可能高一万倍，但统计上前者的 deep understand 可能比后者 shallow 一个维度。（个别狠刷题记忆力到奇葩的另说）。
但电算年代大幅度降低了对高度正确率的要求，外加公司都有完善的 QA 体系。
而另一方面，电算年代的 “一键 deploy 拷贝千千万“，大幅度提高了对 deep understanding 的要求。现代马工公司轻松 afford 一个 high pay 的马工为一个算法 project 花上俩月的时间，为单个模块写上一两千行算法代码，甚至可以 afford 高风险的两个尝试里有一个尝试失败，只要最终的结果能一键 deploy 千千万。
这个学校标准跟公司市场标准的 disparity，也造成州大学生可能一定程度屌丝逆袭 top 2，也是马工行业不问出身先来段 coding 的原因之一。
好专业对 北清 top 2 问题比较少。至少不用考虑转行了，另外还有金子招牌效应。
当然时移世易，现在马工也得十年或十五年转细分行业，如果留在 tech track 的话。不好说。将来的事情现在看不清。
另一种现象是 curse by high correct rate 高正确率。这也是电算年代的变化。
如果把 北清 top 2 跟 ChnMO/USAMO 出线的群体比，在同样万里挑一的 percentile 里，统计上前者的正确率比后者可能高一万倍，但统计上前者的 deep understand 可能比后者 shallow 一个维度。（个别狠刷题记忆力到奇葩的另说）。
但电算年代大幅度降低了对高度正确率的要求，外加公司都有完善的 QA 体系。
而另一方面，电算年代的 “一键 deploy 拷贝千千万“，大幅度提高了对 deep understanding 的要求。现代马工公司轻松 afford 一个 high pay 的马工为一个算法 project 花上俩月的时间，为单个模块写上一两千行算法代码，甚至可以 afford 高风险的两个尝试里有一个尝试失败，只要最终的结果能一键 deploy 千千万。
这个学校标准跟公司市场标准的 disparity，也造成州大学生可能一定程度屌丝逆袭 top 2，也是马工行业不问出身先来段 coding 的原因之一。
tidewater 发表于 12/23/2019 1:59:18 PM
again，我对你最后的结论是赞同的，如果你只是把这个当成一个例子的话。可是咱能不能不要把生活的全部assume成所有人都是为了找一个打算干一辈子的工作。。。这个跟削尖脑袋爬藤是不是异曲同工了。。。
again，我对你最后的结论是赞同的，如果你只是把这个当成一个例子的话。可是咱能不能不要把生活的全部assume成所有人都是为了找一个打算干一辈子的工作。。。这个跟削尖脑袋爬藤是不是异曲同工了。。。
Liushuirenjia 发表于 12/23/2019 2:10:57 PM
我的意思是 top 2 的优势好像就是一辈子就干一个工作从不出错吧。。。考试的极致不是这样的？ // run
一边骂着左臂诅咒者政治正确，一边削尖脑袋推藤才真正精分