大多数人先想到的是 A 或 B：因为脑子里已经有了假设（"依次加 2 的偶数"），于是去找符合它的例子。你会得到一连串"符合"，信心越来越足，然后自信地报出一个错答案。
Wason 的原始实验里，29 人中只有 6 人（约 21%）在没报过错答案的情况下直接猜对。Wason, P. C. (1960)《On the failure to eliminate hypotheses in a conceptual task》Quarterly Journal of Experimental Psychology 12(3):129。
真正的规则其实非常宽：任意三个递增的数。要发现它，你必须主动去试那些你预期会被否定的组合——比如 C（3-9-11）、甚至 1-2-3 或 6-4-2。
什么是确认偏差 🟢 现象极稳健
确认偏差（confirmation bias）：人倾向于寻找、注意、记住、并偏袒那些支持自己已有信念的信息，而对反面证据视而不见、或用更苛刻的标准去挑它的毛病。最权威的综述：Nickerson, R. S. (1998)《Confirmation bias: A ubiquitous phenomenon in many guises》Review of General Psychology 2(2):175。
这叫偏见同化（biased assimilation）——不是不看证据，是戴着立场的眼镜看证据。Lord, C. G., Ross, L., & Lepper, M. R. (1979) JPSP 37(11):2098。主效应 F(1,44)=32.07, p<.001。
重要的翻转：这可能不是缺陷 🟡 关键 nuance
把确认偏差讲成"人类脑子有 bug"是偷懒的。有一个更聪明的解释：
人默认用的是正向测试策略（positive test strategy）——想检验"X 是真的吗"，就去看 X 成立的情况。这在很多真实场景里其实是高效、甚至接近最优的策略，尤其当你要找的目标相对稀少的时候。Klayman, J., & Ha, Y.-W. (1987)《Confirmation, disconfirmation, and information in hypothesis testing》Psychological Review 94(2):211。
把信息流换成纯时间倒序（去掉算法排序）：使用时长下降了，但三个月里极化和政治知识没有显著变化。Guess et al. (2023) Science 381(6656):398。
主动减少用户看到的同温层内容（N=23,377）：跨立场曝光确实提高了，但"并没有相应地降低信念或态度上的极化"。Nyhan et al. (2023) Nature 620(7972):137。
移除所有转发内容：政治新闻和不可信内容都大幅减少，但"与预期相反，并未显著影响政治极化或任何个体层面的政治态度指标"。Guess et al. (2023) Science 381(6656):404。
另有研究发现，多数人的媒体食谱其实相当温和，约四分之一来自主流新闻网站；两党选民的媒体食谱重叠度 2015 年有 65%。回音室真实存在，但只刻画了相对少数的人——尽管这些人可能影响力不成比例。Guess (2021) American Journal of Political Science 65(4):1007。
"看到反面证据会让人更极端"（态度极化）——基本没复现。Lord 1979 原文测的是自我报告的态度变化，作者自己在脚注里承认原本计划的前后对比测量因天花板效应"proved impossible"，并专设一节问"极化：真实的还是仅仅是报告出来的？"。后续大样本用同一批原始材料重做（N=683），结论逐字是"这些处理并没有以增大方差的方式让意见极化"。Guess & Coppock (2020) British Journal of Political Science 50(4):1497。更大范围的检验：Wood & Porter (2019) 扫了 52 个议题、10,100+ 人，没有一个议题出现逆火效应。最新研究给了条件性答案——只有当论证尖刻带敌意时才测得到可信的极化。Velez & Liu (2025) American Political Science Review 119(2):1036。注意：该文预印本结论与正式版相反，须引正式版。
"信息茧房是算法造成的，改算法就能解"——三个大型实地实验（换时间倒序、减同温层 N=23,377、去转发）均未改变极化。隔离更多来自自己的选择。完整账目见 B 块总结"有名但要打折"清单。