软标签：复盘为什么要记下当时的次优选项Soft labels: why a review should record the options not taken

1. 问题：「你们复盘到底记什么」

「这一单没成」是一个字；「当时还有哪两条路」是一段可以被别人用的信息。

这个问题有两个版本，一个来自外面，一个来自里面。

外面的版本通常这样问：你们说每会一小盘、每天一大盘、每周一总盘，那和开会有什么区别？盘完之后留下什么，别人拿得到吗？

里面的版本更扎人：复盘写了这么多年，为什么新人还是要重新踩一遍坑？

本文认为这两个问题是同一个问题，而且答案不在频率上。

一次复盘写下「这一单谈成了」或者「这一单没成」，是一个硬标签。一次复盘写下「当时还考虑过另外两条路，第二条差在哪里，为什么最后没走」，是软标签。两者的成本差不了多少，信息量差很远。

这个区分不是本文发明的。它来自一篇被引用了十年的机器学习论文：训练一个小模型去拟合大模型输出的完整概率分布，比让它去拟合正确答案本身学得更好，因为大模型在错误答案之间给出的相对概率里，藏着「这道题错在哪一档」的信息。那篇论文的作者把这部分信息叫做暗知识。

一家机构的复盘制度，恰好就是把上一段经历当成教师、把下一段动作当成学生的一次蒸馏。如果教师只输出成败，学生学到的就是一个字。

本文的路线：第 2 节把公开底本摆出来，做三次机械计数；第 3 节给出五组机制文献；第 4 节把蒸馏的三个前提逐条对上一家机构的现实，说明哪一个能靠制度保证；第 5 节给出工具；第 6 节把主张写成可以被推翻的命题；第 7、8 节划边界。

与本系列其他各篇的分工。 GI-WP-2026-P11《借来的理论》第 4.4 节对「数据质量与教师模型 → 复盘制度」这一对做过一次三段式判断，并提出「在复盘纪要里加一栏」；本文把那一句展开成一篇独立论文，补上它没有的三样东西：公开表述的三次计数、三个前提的逐条判定、以及一张可以直接照抄的登记表。GI-WP-2026-P12《换手处的损耗》的结论是「端到端必须配一个外部评估者」；本文讲的正是这个评估者要产出什么。GI-WP-2026-P9《校准》讲的是在发问之前把预期对齐，是事前；本文是事后。

---

2. 底本：官网关于复盘写了什么

频率写了五档，内容只写了七种，而且七种全是结论——洞察在，仪表不在。

2.1 底本怎么取的

底本是公开网页，任何人可以复现。取法：curl 拉取 https://glacier.mba/institute.html，依次剥掉 HTML 注释、<script>、<style>，再把全部标签换成换行、反转义实体、去空行，得到纯文本，共 10,079 行。抓取日期 2026-09-22。下文行号均指这份纯文本的行号，与 GI-WP-2026-P11、GI-WP-2026-P12 用的是同一份底本、同一套行号。

2.2 第 18 章第 4 对：复盘会就是教师模型

官网第 18 章把知识蒸馏对上了自己的复盘制度：

「决定模型上限的不是数据量，是数据质量；要有教师模型持续评估：缺哪一类泛化数据，就补哪一类场景。」——理论句，L3887 [1] 「复盘会就是那个教师模型——评估上一周的判断质量、找出缺口，指挥下一周去补缺的那类场景。」——现象句，L3889 [1]

这一对标注的来源是「Hinton, Vinyals & Dean (2015), Distilling the Knowledge in a Neural Network, arXiv:1503.02531」（L3919）[1][2]。

这是一次相当准确的类比。教师模型确实在做「评估质量、找出缺口、指挥补缺」这三件事。但原论文里教师模型还做了第四件事，而现象句没有提到它——教师输出的是一个分布，不是一个答案。第 3.1 节说明这第四件事为什么才是蒸馏的核心。

2.3 官网自己已经把问题描述准了

这一节要先把一件事说清楚：本文指出的缺口，不是这家机构没看见的东西。同一份公开文本里有两句话，把硬标签的形成过程描述得比多数管理文献都准：

「会上最值钱的往往不是结论，是对方犹豫时的措辞、追问的顺序——那是他还没摊出来的底牌。」——L5886 [1] 「放过一夜，细节就被压缩成一句『他们没兴趣』。当天盘完，第二天那场会才有修正过的讲法。」——L5887 [1]

第二句就是硬标签的定义。一场两小时的会里有几十条信号——对方在哪一页停下、问题问到第几层、哪个数字被追了两遍——过一夜之后全部塌缩成五个字。官网用的动词是「压缩」，接着给出三个字的结论：

「信号会馊。」——L5888 [1]

同一篇里还写了一句方法上的要求：

「盘信号，不只盘结论」——L5893 [1]

所以洞察是有的。本文要问的是下一个问题：这条洞察有没有落成一个字段。

2.4 三次计数

下面三张计数由本文做出，规则写在写作说明 6.1，任何人可以对同一份纯文本复算。

第一次：时间粒度。规则是：在同一行里同时出现「复盘」与某个时间粒度词的去重行数。

表 1 / Exhibit 1　官网公开文本里复盘的时间粒度。

来源与说明：计数规则：同一行同时出现「复盘」与该粒度词，整行逐字去重后计一处。分母为含「复盘」且非第三方原话的去重行 65 行。计数由本文做出。

时间粒度	处数	行号
每场会	5	L912、L3228、L5882、L9260、L9265
当天／当晚	5	L912、L3228、L5882、L9260、L9265
每周	10	L912、L3228、L3877、L3889、L5256、L5414、L5882、L8218、L9260、L9265
每月	1	L3228
每季	2	L3228、L5882

第二次：产出字段。同样的规则，数的是「复盘应当记下什么」被命名过几种。

表 2 / Exhibit 2　官网公开文本里被命名过的复盘产出字段（续表 1）。

来源与说明：计数规则同表 1，分母同为 65 行。末行不是遗漏，是本文这次计数的结果。计数由本文做出。

产出字段	官网里的说法	处数	代表行号
禁令	「踩过的坑写成禁令」	11	L932、L3065、L4067
只做减法的清单	「Stop Doing List（只做减法的清单）」	8	L932、L3065、L5950
方法	「蒸馏过的经验，才是方法」	5	L1524、L5874、L5903
尺子	「把『我感觉』还原成『指标显示』」	3	L3142、L5907、L8326
备忘录	「机构反馈逐条落成备忘录」	2	L7974、L8218
缺口	「评估上一周的判断质量、找出缺口」	1	L3889
名录	「能在几天内触达决策人的名录」	1	L8118
当时的次优选项	全文无对应说法	0	—

第三次：缺席检查。这一次的范围不是那 65 行，是全部 10,079 行——因为要证明「没有」，就不能只在自己划的范围里找。

表 3 / Exhibit 3　缺席检查（续表 2）。

来源与说明：检索范围为纯文本全部 10,079 行，不限于含「复盘」的行。检索词逐条列出，命中数为原始命中行数（未去重）。计数由本文做出。

检索词	命中	说明
次优	0
第二好	0
没选／未选择／没有选	0
替代方案	0
当时还有	0
为什么不选／为什么没选	0
被排除的选项／排除的理由	0
差在哪一档／差多少	0
备选	1	L5838，指创始人手上的备选方案，与复盘字段无关
否在哪里，为什么否	1	L8622，见下

最后一行是这次检查里唯一一处接近的表述，值得逐字摆出来：

「一次否决往往比十次赞美更有信息量。」——L8621 [1] 「被否的时候先别辩解，先记账：否在哪里，为什么否。这是别人替我们量过的尺子。」——L8622 [1]

这两句几乎就是本文要的东西，但方向是反的。它说的是别人否我们的时候要记账。本文说的是我们自己否掉一个选项的时候也要记账。前者的教师在外部，后者的教师在自己身上——而后者在数量上多得多：一个组织被别人否的次数有限，自己否掉某个做法的次数是它的很多倍。

2.5 三次计数合起来说了什么

第一，频率被写得很细，内容被写得很粗。五个时间粒度，「每周」这一档被十处表述一致确认。而产出字段只有七种被命名过，其中最多的两种指的是同一件东西（写成禁令 / 只做减法的清单），合计占了被命名处数的一大半。

第二，被命名的七种产出，全部是结论型的。禁令、方法、尺子、备忘录、缺口、名录——它们都是复盘得出的东西，不是复盘当时看见的东西。用第 3.1 节的话说：它们都是硬标签。

第三，洞察与仪表之间有一个缺口。L5886 说会上最值钱的不是结论，L5893 说要盘信号不只盘结论；但七种被命名的产出字段里，没有一种承载信号。一条被写下来的洞察，如果没有一个字段接着它，它下周就会变回一句好话。

---

3. 机制：硬标签与软标签

软标签必须在结果出来之前写——结果一揭晓，当初的不确定就被抹掉了。

3.1 暗知识：教师真正教的是错在哪一档

Hinton、Vinyals 与 Dean [2] 做的事情是：先训练一个强的教师模型，再让一个小的学生模型去拟合教师输出的完整概率分布，而不是拟合正确答案。他们把关键洞察写得很清楚：教师在错误类别之间给出的相对概率，携带了正确答案本身没有的信息。一张图片被判为宝马车的概率最高，但它被判成垃圾车的概率如果远高于被判成胡萝卜，那就说明模型学到了「宝马和垃圾车都是车」这件事。作者把这部分信息叫做暗知识。

这条路更早有一个前身。Buciluă、Caruana 与 Niculescu-Mizil [3] 提出模型压缩：用一个大的集成模型去给数据打标，再用这些标去训练一个小模型，小模型能达到接近集成的表现。两篇合起来给出的命题是：学生学得快，不是因为答案更准，是因为标签更软。

搬到组织里，对应关系是直接的：

• 硬标签 ＝ 这一单成了 / 没成；这个判断对了 / 错了。
• 软标签 ＝ 当时排在第二位的选项是什么；它差在哪一档；什么情况下它会变成第一位；当时手上缺的是哪条信息。

软标签之所以值钱，是因为它教的是决策空间的形状，而不是决策空间里的一个点。一个点只在完全相同的局面里可用；形状可以外推。

3.2 自蒸馏：教师就是学生的时候会发生什么

蒸馏预设教师比学生强。组织里的复盘常常不满足这一条——评估上周判断的人，就是上周做判断的人。

机器学习里对这种情形有专门的研究。Furlanello 等 [4] 发现，用一个模型去教一个结构完全相同的新模型（他们叫它「重生网络」），学生有时反而超过教师。这似乎是个好消息，但它的成因需要小心：Müller、Kornblith 与 Hinton [5] 指出，这一类增益的一部分来自标签变软本身的正则化效应，而不是来自教师更强。他们同时报告了一个反向结果：用标签平滑训练出来的教师，它的表征会把同类样本压得更紧、丢掉类间的相对结构，因此它作为教师去蒸馏时反而更差——软得太均匀，暗知识就没了。

两条合起来给组织一个很具体的提醒：

1. 自己评估自己不是完全无效的，因为把输出变软本身就有价值。
2. 但软化必须保留结构。复盘纪要如果每次都写「大家都有责任、以后注意」，那是把标签抹平，不是变软。真正的软标签必须是有序的：第二名是谁，差多少。

官网那句「复盘先复自己，再复别人」（L5899）[1] 在这个框架里是成立的，条件是第 2 条。

3.3 复盘的实证：有效，但取决于种类

事后复盘不是一个只有故事的做法，它有实验证据。

Ellis 与 Davidi [6] 做过一项关键的研究：让受训者不仅复盘失败的经历，也复盘成功的经历。结果是，同时复盘成败两种经历的人，构建出的心智模型比只复盘失败的人更完整，后续表现也更好。这条结论对本文非常重要——它说明复盘的价值不在于找错，而在于覆盖更多的可能性。只盘失败，等于只采样了分布的一侧。

Ellis、Mendel 与 Nir [7] 接着做了一个更细的实验，比较不同种类的事后复盘。他们发现复盘的效果取决于它引导人去做什么，而不是取决于有没有开这个会。Villado 与 Arthur [8] 用一个复杂任务比较了主观复盘与基于客观记录的复盘，发现后者带来的团队表现改善更大——手上有记录的复盘，和凭印象的复盘，不是同一件事。

Tannenbaum 与 Cerasoli [9] 把这一支做了一次元分析，结论是复盘（debrief）确实能改善绩效，而且这个效果在个体与团队、模拟与真实场景里都站得住。

四条合起来：复盘有效是有证据的；但有效的是有结构、有记录、覆盖成败两侧的复盘，不是复盘这个动作本身。频率再高，如果每次只记一个硬标签，加起来还是一串硬标签。

3.4 组织学习：失败教得更多，但失败被欠采样

Madsen 与 Desai [10] 研究了一个失败后果极其严重、记录又极其完整的行业——轨道运载火箭发射。他们发现组织从失败中学到的东西比从成功中学到的更多，而且从失败中学到的知识衰减得更慢。Haunschild 与 Sullivan [11] 用航空业的事故与事件数据得到一条互补的结论：原因异质的事故比原因单一的事故带来更多学习，因为它们迫使组织去检查更多的可能解释。

但这里有一个陷阱，Denrell [12] 把它写得最清楚：观察别人的做法来学习时，人看到的样本是被筛选过的——失败的组织消失了、不被报道、不被访谈。于是同一套冒险策略，从幸存者身上看起来像是有效的。他把这叫做失败的欠采样，并指出很多管理上的「成功法则」是这个偏差的产物。

Argote 与 Miron-Spektor [13] 把这一支整合成一个框架：组织学习是经验转化为知识的过程，而这个过程发生在什么样的情境里，决定了它转化得出还是转化不出。

对本文的用处是一条很硬的推论：如果复盘只记录已经发生的那条路，组织的学习样本就永远是被自己的选择筛过的。记下当时的次优选项，是这个组织唯一能自己制造的反事实样本——它不需要等别人失败，也不需要等自己失败。

3.5 边界文献：软标签为什么不会自己出现

这一小节讲的是为什么需要一张表格，而不是提醒大家「多写一点」。

第一，后见之明偏差。 Fischhoff [14] 的经典实验说明：知道了结果之后，人会系统性地高估自己当初对这个结果的预期。结果一旦揭晓，当时真实的不确定性就被抹掉了。这意味着软标签必须在结果出来之前写，事后补写的次优选项已经被结果污染了。

第二，自我评估靠不住。 Kruger 与 Dunning [15] 的研究说明，能力较弱的人系统性地高估自己，部分原因是识别自己不足所需的正是他们缺乏的那种能力。Dunning、Heath 与 Suls [16] 把这条推广到工作场景与健康、教育等领域，结论一致：自我评估与客观表现之间的相关通常很弱。所以「让每个人自己写下判断质量」这条路，先天有一个上限。

第三，说出来要有安全。 Edmondson [17] 的研究说明，团队里的心理安全决定成员愿不愿意说出错误与疑问，而学习行为正是绩效的中介。写下「我当时差点选了另一条」是一种暴露。没有安全，这一栏会被填成空话。官网那句「错处得先摆上桌——看得见的错，才改得掉」（L5911–L5912）[1] 说的正是这件事。

第四，把错误当成学习材料是可以训练的。 Keith 与 Frese [18] 的元分析比较了错误管理训练（明确鼓励在训练中犯错并引导人从中提取信息）与传统训练，发现前者效果更好，尤其是在迁移到新任务时。这条给出一个乐观的推论：软标签不是一种天赋，它是一个可以被安排出来的动作。

四条合起来，就是本文要一张表格而不是一句倡议的理由： 后见之明要求它在结果之前写；自我评估的失真要求它有固定的栏位而不是自由发挥；心理安全要求它被规定成常规动作而不是临时要求；而错误管理训练说明这件事教得会。

---

4. 蒸馏的三个前提，逐条判

三个前提里只有「把输出变软」是明天就能改的——所以先改它。

一个借来的概念要能用，得先看它的前提在这儿成不成立。知识蒸馏有三个前提。

4.1 前提一：教师比学生强

在组织里常常不成立。复盘会上评估上周判断的，往往就是上周做判断的那批人。这不是自蒸馏，因为自蒸馏里教师至少是一个训练好的、固定的模型；组织里的「教师」和「学生」是同一批人在同一个星期里的两个身份。

更要紧的是，教师的错误会被完整地传给学生。一个判断错了但没人发现，它会作为「正确的教师输出」被写进禁令清单，然后被全员重读。自蒸馏放大既有的偏差，而不是纠正它。

能做的补救有限，但不是没有： 第 3.3 节的 Villado 与 Arthur [8] 指出客观记录比主观印象更有效。把「当时手上有什么」这条记录留下来，教师就不是纯粹的自己，而是自己加上一份不会撒谎的时间戳。

4.2 前提二：教师是先独立训练好的

在组织里常常不成立。原论文里的教师是在独立的数据上先训练好的。一场只用本周自己产生的材料的复盘，不是一个独立的教师，是同一个模型的回声。

这一条正是 GI-WP-2026-P12 的结论落地的地方。那一篇论证端到端不换手的代价是归因变难，因此必须配一个外部评估者。外部评估者在这里的技术含义是：教师的一部分输入必须来自没有参与这件事的人。

官网那句「被否的时候先别辩解，先记账：否在哪里，为什么否。这是别人替我们量过的尺子」（L8622）[1] 是本文找到的、唯一一处明确把教师放在外部的表述。它的对象窄了一点——只覆盖别人否我们的场合——但方向是对的。

4.3 前提三：教师的输出是软的

这一条是三条里唯一能靠制度保证的。前两条取决于人、取决于组织有没有外部输入；第三条只取决于表格上有没有那一栏。

而按第 2.4 节的三次计数，这一栏目前不在。七种被命名的产出字段全部是结论型的，全文对「当时的次优选项」零处提及。

所以本文的建议落在第三条上，不落在前两条上。不是因为前两条不重要，是因为前两条改不动，第三条明天就能改。一条改得动的规则，胜过两条正确但没人执行的原则。

4.4 软标签比例：一个可以数出来的量

把第三条变成一个数：

软标签比例 ＝ 复盘纪要中同时填写了「次优选项」「差在哪一档」「当时缺的那条信息」三栏的份数 ÷ 抽查的纪要总份数。

规则要写死三件事，否则这个数会自己漂：

1. 抽样必须随机，不能挑写得好的那几份。
2. 三栏必须同时非空才计入分子。只填一栏不算——只填「次优选项」而不填「差在哪一档」，等于给了第二名的名字却没给分数，暗知识还是没有。
3. 「无」也是一种合格的填法，但必须写出来。真的想不出第二个选项，就写「当时只看到这一条」——这本身是一条极有价值的记录，它说明当时的视野窄到了什么程度。

这个比例可以按季度算，趋势比绝对值有用。第一次算出来大概率很低，这不是问题；它是基线。

---

5. 工具：软标签复盘登记表

允许填「无」，这一栏才不会被硬凑；一个季度全是「无」，说明的不是没教训，是没人在看。

5.1 十一栏

给复盘纪要加一页。用法：每一次做完判断当场填，不等结果（第 3.5 节第一条）。

表 4 / Exhibit 4　软标签复盘登记表。

来源与说明：十一栏，随复盘纪要一同填写。第 1 栏是硬标签，第 2 至 7 栏是软标签，第 8 至 11 栏是让这张表不退化的四条约束。本表为本文归纳，官网没有对应物。

序号	栏位	这一栏在问什么	合格的填法	不合格的填法
1	这次的判断	最后定了什么	一句话写清动作与对象	写成结果而不是动作
2	当时排第二的选项	差一点被选中的是哪一条	具体到可执行的程度	「还有别的方案」
3	第二名差在哪一档	差距是大是小，差在哪个维度	指出差的那个维度并给出方向	「综合考虑」
4	什么情况下第二名会变第一	翻转这个判断需要什么	写出一个可观察的条件	「看情况」
5	最早被排除的那条	一开始就被否掉的是什么，为什么	写出排除它的那条理由	留空
6	当时缺的那条信息	手上没有、但会改变判断的是什么	指名那条信息与它的来源	「信息不够」
7	这次用了哪条既有禁令	有没有调用过去的经验	写出禁令编号或原句	留空
8	什么时候能验证	这个判断多久之后见分晓	写一个具体日期	「以后就知道了」
9	如果结果相反，先怀疑哪一步	事前指定归因的起点	指名一个具体环节	事后再补
10	本次是否产生新禁令	有没有沉淀	有就写出来，没有写「无」	留空
11	记录人与复核人	谁写的，谁看过	复核人不是做判断的那个人	两栏同一个名字

四条约束值得单独说。

第 8、9 栏是为了对付后见之明 [14]。事前写下验证时间与归因起点，事后就没法说「我早就觉得不对」。

第 10 栏的「无」是关键设计。允许写「无」，这一栏才不会被硬凑；而一个季度下来如果全是「无」，那说明的不是没有教训，是没有人在看。

第 11 栏是为了对付前提一（第 4.1 节）。复核人不是判断人，教师就多了一点独立性。这一栏不需要复核人同意判断，只需要他确认第 2 至 6 栏不是空话。

5.2 这张表的成本

一页表格，每次多花几分钟。本文不认为它是免费的：它的真实成本不是时间，是第 2、5、6 栏要求人承认自己当时看见了别的路却没走，而第 11 栏还要让另一个人看见。这就是为什么它需要心理安全 [17]，也是为什么它必须被写成常规动作而不是临时要求——常规动作不针对任何人。

---

6. 一个可以被推翻的命题

软标签的收益应当出现在新局面里；旧局面里也有差别，那就不是软标签在起作用。

主命题。 如果两个组织的复盘频率相同，而其中一个的复盘产出中软标签比例更高（按第 4.4 节的规则计），那么在一段时间之后，软标签比例高的那个组织在新的、与过去不完全相同的局面里表现更好；而在与过去高度相似的局面里，两者没有差别。

这个命题的形状是有意这样写的：软标签的收益应当体现在外推上，不体现在重复上。如果一个组织只做重复性的事，硬标签就够了——这也是第 7 节反例二。

什么证据能推翻它。 在一组复盘频率相当的组织里，按软标签比例分成两组，比较它们在新局面与旧局面下的表现。如果软标签比例高的那一组在新局面里也没有优势，主命题不成立——那说明软标签只是记录成本，不是学习材料。如果两组在旧局面里出现差异，命题同样要修正：那说明软标签的作用机制不是外推，是别的东西。

推论一（缺口检验，本文已做了一次）。 如果一个组织的复盘制度是自发形成的、没有被一张表格规定过，那么它的公开表述里对「多久盘一次」的规定应当细于对「盘的时候记什么」的规定。表 1、表 2 显示：时间粒度五档、「每周」被十处一致确认，而产出字段只有七种被命名，且最多的两种指同一件东西。推论一在这一个样本上没有被推翻。如果换一家机构，发现它对复盘内容的规定比对频率的规定更细，推论一被推翻——那说明这个不对称不是自发制度的普遍特征。

推论二（时序检验，尚未检验）。 如果软标签必须在结果之前写 [14]，那么事后补写的次优选项应当与事前当场写下的系统性不同：事后补写的会更接近最终结果。检验方法是同一批判断分两组，一组当场写、一组事后补，比较两组「第二名」的分布。本文没有做，因为它需要一次有对照的内部试验。明确留空，不用推测去补。

推论三（软化不等于抹平）。 第 3.2 节引 Müller 等 [5] 指出，软得太均匀会丢掉暗知识。可检验的形式：如果一个组织的复盘纪要里第 2、3 栏长期填成没有区分度的套话，那么它的软标签比例即使很高，也不应当带来第 6 节主命题预测的外推优势。这条给出了一个诊断：比例高而无效，先查第 3 栏有没有区分度。

---

7. 边界与反例

一条错误的禁令比一条错误的判断危害大——它会被全员反复重读。

一份只有正面例证的分析不值得信任。以下五类，是这套做法已知会失灵的地方。

反例一：教师比学生强这个前提，在组织里常常不成立。 这是最要紧的一条，第 4.1 节已经逐条说过，这里要把它的后果写完整：自蒸馏会把教师的偏差原样传下去，而且传得很整齐——因为禁令是全员重读的。一条错误的禁令比一条错误的判断危害大得多，它会被反复宣读。所以这张表必须配一条退出机制：任何一条禁令都要有它是基于哪次判断产生的记录，以便在那次判断被证明是错的时候，能把它撤回。这条在本文的建议里是与登记表并列的第二件事。

反例二：不是所有工作都需要软标签。 高度重复、规则固定的工作，硬标签就够了，甚至更好——多写的每一栏都是纯成本。软标签的收益来自外推，而重复性工作不需要外推。判断的方法很简单：问下一次的局面和这一次会不会不一样。答案是「基本一样」，这张表就该简化到第 1、8、10 栏。

反例三：写下来不等于被读到。 第 2.4 节数出来的七种产出字段里，禁令与只做减法的清单占了大半，而官网反复强调的是「全员重读」（L932、L3065、L4067 等）[1]。这个强调是对的：一份没有被重读的记录，和没有记录的差别只在存储成本上。本文的登记表同样面临这个问题，而且更严重——软标签比禁令长、比禁令具体、因此更难被反复读。可能的解法是按第 4 栏（什么情况下第二名会变第一）建索引：不读全部，只在遇到相似局面时读那一条。本文没有验证这个解法。

反例四：这一栏会被优化。 一旦软标签比例变成一个被看的数，它就会被凑。Villado 与 Arthur [8] 的结论提醒我们真正起作用的是基于客观记录的复盘，而不是复盘表格填得满。所以这个比例不适合当考核指标，只适合当诊断指标——看趋势，不排名次，不与任何人的评价挂钩。这一条是硬的：一旦挂钩，第 2 至 6 栏立刻变成作文。

反例五：本文的缺口来自公开文本，不等于实际没做。 表 3 的缺席检查证明的是「这套公开表述里没有规定这一栏」，不是「这家机构从来不记次优选项」。内部纪要本文看不到，也不应当看到。公开文本的缺席是一个关于表述的结论，不是一个关于行为的结论。这一点与 GI-WP-2026-P11 第 7 节反例三、GI-WP-2026-P12 第 7 节反例五是同一条：没写下来的那部分不进分母。

---

8. 这个分析在什么范围内成立

表 3 数的是词不是意思——检索词全表列出来，就是为了让人来补我漏掉的说法。

一、对象范围。 本文分析的是一份公开文本里关于复盘制度的六十六处表述，出自一家专业服务机构。结论适用于「判断密集、反馈周期长、每次局面不完全相同」这一类知识工作的复盘设计。它不外推到高度重复的操作性工作（见第 7 节反例二），也不外推到有即时客观胜负判定的场景。

二、证据的性质。 表 1、表 2、表 3 是机械计数，规则写在写作说明 6.1，任何人可以对同一份纯文本复算，结果应当一致。这三张表是计数，不是评价——它们说的是「这个词在公开文本里出现了几次」，不是「这家机构做得好不好」。表 4 是本文归纳的工具，不是测量。

三、计数规则的已知弱点。 表 1、表 2 的规则是「同一行同时出现」，而纯文本的分行取决于原网页的标签结构。一个跨了两行的句子，它的两半会被分别计数或都不计数。本文选择这条规则是因为它机械、可复算；代价是它对长句不友好。换一条规则（例如按段落而不是按行），个别数字会变，但第 2.5 节的三个读法依赖的是量级差异（十处对一处、七种对零种），不依赖单个数字。

四、缺席检查的局限。 表 3 检索的是词，不是意思。一个组织完全可能用本文没有想到的说法来表达「当时的次优选项」。本文列出了检索词全表以便复核与增补，但不能排除漏检。这是一条真实的局限，写在这里而不是藏起来。

五、没有做因果推断。 本文不主张加了这张表就会改善任何结果。第 6 节的主命题是一个待检验的命题，不是一个已经成立的结论。

六、一个诚实的空缺。 推论二（事前写与事后补的差异）需要一次有对照的内部试验，本文做不了，明确留空。在这项工作完成之前，「软标签必须在结果之前写」这条规则的依据是 Fischhoff [14] 的实验证据加上一个类比，不是在这个场景里被直接验证过的结论。

七、本文不做什么。 不评价这家机构的任何业务结果，不构成投资建议，不给出任何可回溯到具体交易或具体公司的信息。本文的三张计数表只数公开文本里的词，不涉及任何经营数据。

---

9. 结论

结论可以继承，判断力不能——除非把当时看见的那些选项一起留下。

回到第 1 节的两个问题。

「你们复盘到底记什么」。 这个问题的答案不该是一张频率表。频率决定信息有多新鲜，内容决定信息有多厚。本文数出来的是：公开表述里频率被写了五档、「每周」被十处一致确认，而产出字段只有七种被命名过，且全部是结论型的。该补的不是频率，是字段。

「为什么新人还是要重新踩一遍坑」。 因为他继承的是一串结论，不是一个决策空间。禁令告诉他「别做这个」，但没告诉他「当时还有哪两条路、为什么这条不行」。一个只拿到结论的人，遇到一个稍微不同的局面，就只能重新试一遍。结论可以继承，判断力不能——除非把当时看见的东西一起留下。

本文提了两件事，都很小：

第一，给复盘纪要加一页十一栏的登记表（第 5 节），并且当场填、不等结果。三栏同时非空的比例就是软标签比例，按季度算，看趋势，不排名次、不挂钩考核。

第二，给每一条禁令记上它出自哪一次判断（第 7 节反例一），以便那次判断被证明是错的时候能把它撤回。一条禁令一旦进了全员重读的清单，撤回它的难度远大于写下它。

两件事都不需要新的会议、新的角色、新的系统。它们只需要一张表格和一个字段。

三句话可以概括全文：

1. 只记成败，等于把一场会压缩成一个字；软标签是那些被压掉的东西。
2. 蒸馏的三个前提里，只有「把输出变软」是明天就能改的——所以先改它。
3. 软标签必须在结果出来之前写；结果一揭晓，当初的不确定就被抹掉了。

---

十一篇不是十一个题目，是同一条链上的十一个环节：先分段，再排期，然后把每个环节里最容易错的那一下单独拆开写。

读完这篇，接着读GI-WP-2026-P11　借来的理论：前沿技术的概念如何解释一家投行的日常P6、P11、P13 是方法论的自省三篇：P6 划自己的语言边界，P11 交代概念的来路，P13 定复盘该留什么。

FOR INVESTORS

在看案子递到你面前的，是我们自己敢投的。进去看 →

转人工 · ASK A HUMAN把这个问题交给赵羚茜（Gogo Zhao，投资人关系负责人）安排——她会把它交到对的人手里。 联系庚辛

庚辛人生（Certainty of Money） · 庚辛研究院通讯论文 · GitHub · PDF 全文 · 可引用，CC BY 4.0。

参考文献 / References

体例：作者（年份）. 题名. 期刊/出版方, 卷(期), 页码. DOI 或可访问链接。按来源等级分组：一手材料为庚辛研究院对外公开表述；二手文献为同行评议文献与公开预印本。下列各条于 2026-09-22 用 _仓储/_build/refcheck.py 的 check() 逐条真实请求核验，18 条全部可达，且每一条的题名与 Crossref 或 arXiv 返回的题名逐字比对一致。核验明细见写作说明第四节。本表不列任何未经核实的条目。

一手材料（庚辛研究院对外公开表述；本文引用的原句均出自 [1]，一字未改）

[1] 庚辛研究院（2026）. 庚辛研究院官网：致企业家与投资人（L907–L912）、只做减法的清单（L932、L3064–L3065）、复盘的节拍（L3227–L3228）、第 18 章第 4 对「数据质量与教师模型 / 复盘制度」（L3886–L3889、L3919）、随笔《复盘是节拍器，不是救火队》（L5864–L5918）、随笔《把投资人当上游》（L8615–L8622）. 庚辛资本官方网站. https://glacier.mba/institute.html （访问日期 2026-09-22）

二手文献（知识蒸馏与软标签）

[2] Hinton, G., Vinyals, O., & Dean, J.（2015）. Distilling the Knowledge in a Neural Network. https://arxiv.org/abs/1503.02531 （访问日期 2026-09-22）

[3] Buciluă, C., Caruana, R., & Niculescu-Mizil, A.（2006）. Model Compression. Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 535–541. https://doi.org/10.1145/1150402.1150464

[4] Furlanello, T., Lipton, Z. C., Tschannen, M., Itti, L., & Anandkumar, A.（2018）. Born-Again Neural Networks. https://arxiv.org/abs/1805.04770 （访问日期 2026-09-22）

[5] Müller, R., Kornblith, S., & Hinton, G.（2019）. When Does Label Smoothing Help? https://arxiv.org/abs/1906.02629 （访问日期 2026-09-22）

二手文献（事后复盘的实证）

[6] Ellis, S., & Davidi, I.（2005）. After-Event Reviews: Drawing Lessons from Successful and Failed Experience. Journal of Applied Psychology, 90(5), 857–871. https://doi.org/10.1037/0021-9010.90.5.857

[7] Ellis, S., Mendel, R., & Nir, M.（2006）. Learning from Successful and Failed Experience: The Moderating Role of Kind of After-Event Review. Journal of Applied Psychology, 91(3), 669–680. https://doi.org/10.1037/0021-9010.91.3.669

[8] Villado, A. J., & Arthur, W., Jr.（2013）. The Comparative Effect of Subjective and Objective After-Action Reviews on Team Performance on a Complex Task. Journal of Applied Psychology, 98(3), 514–528. https://doi.org/10.1037/a0031510

[9] Tannenbaum, S. I., & Cerasoli, C. P.（2013）. Do Team and Individual Debriefs Enhance Performance? A Meta-Analysis. Human Factors, 55(1), 231–245. https://doi.org/10.1177/0018720812448394

二手文献（组织学习与失败样本）

[10] Madsen, P. M., & Desai, V.（2010）. Failing to Learn? The Effects of Failure and Success on Organizational Learning in the Global Orbital Launch Vehicle Industry. Academy of Management Journal, 53(3), 451–476. https://doi.org/10.5465/amj.2010.51467631

[11] Haunschild, P. R., & Sullivan, B. N.（2002）. Learning from Complexity: Effects of Prior Accidents and Incidents on Airlines' Learning. Administrative Science Quarterly, 47(4), 609–643. https://doi.org/10.2307/3094911

[12] Denrell, J.（2003）. Vicarious Learning, Undersampling of Failure, and the Myths of Management. Organization Science, 14(3), 227–243. https://doi.org/10.1287/orsc.14.2.227.15164

[13] Argote, L., & Miron-Spektor, E.（2011）. Organizational Learning: From Experience to Knowledge. Organization Science, 22(5), 1123–1137. https://doi.org/10.1287/orsc.1100.0621

二手文献（边界：后见之明、自我评估、心理安全、错误管理）

[14] Fischhoff, B.（1975）. Hindsight Is Not Equal to Foresight: The Effect of Outcome Knowledge on Judgment under Uncertainty. Journal of Experimental Psychology: Human Perception and Performance, 1(3), 288–299. https://doi.org/10.1037/0096-1523.1.3.288

[15] Kruger, J., & Dunning, D.（1999）. Unskilled and Unaware of It: How Difficulties in Recognizing One's Own Incompetence Lead to Inflated Self-Assessments. Journal of Personality and Social Psychology, 77(6), 1121–1134. https://doi.org/10.1037/0022-3514.77.6.1121

[16] Dunning, D., Heath, C., & Suls, J. M.（2004）. Flawed Self-Assessment: Implications for Health, Education, and the Workplace. Psychological Science in the Public Interest, 5(3), 69–106. https://doi.org/10.1111/j.1529-1006.2004.00018.x

[17] Edmondson, A.（1999）. Psychological Safety and Learning Behavior in Work Teams. Administrative Science Quarterly, 44(2), 350–383. https://doi.org/10.2307/2666999

[18] Keith, N., & Frese, M.（2008）. Effectiveness of Error Management Training: A Meta-Analysis. Journal of Applied Psychology, 93(1), 59–69. https://doi.org/10.1037/0021-9010.93.1.59

核验说明：[1] HTTP 200；[2][4][5] arXiv 页 200，并以 arXiv API 返回题名逐字核对（"Distilling the Knowledge in a Neural Network"、"Born Again Neural Networks"、"When Does Label Smoothing Help?"）；[6][7][8][14][15][18] DOI 直接解析 200，Crossref 题名一致；[3][9][10][11][12][13][16][17] 出版方对脚本返 403（反爬，不是不存在），以 Crossref 元数据核对题名、卷、期、页码，全部一致。一处已修正并记录在案：[12] Denrell 2003 最初按卷期推写成 DOI 10.1287/orsc.14.3.227.15164，该地址取不到元数据；按题名在 Crossref 检索得到正确 DOI 为 10.1287/orsc.14.2.227.15164（题名、卷 14、期 3、页 227–243 全部一致），已换。

本系列内部引用（尚无 DOI，按编号引用）

• GI-WP-2026-P9《校准：在发问之前把预期对齐》
• GI-WP-2026-P11《借来的理论：前沿技术的概念如何解释一家投行的日常》
• GI-WP-2026-P12《换手处的损耗：全托管的边界画在哪里》

---

引用的庚辛官网原文出处

全部官网引文取自 [1] https://glacier.mba/institute.html （抓取日期 2026-09-22，剥去注释、脚本、样式与全部标签后的纯文本，共 10,079 行）。逐句出处：

• 第 18 章第 4 对理论句「决定模型上限的不是数据量，是数据质量；要有教师模型持续评估：缺哪一类泛化数据，就补哪一类场景。」——L3887
• 第 18 章第 4 对现象句「复盘会就是那个教师模型——评估上一周的判断质量、找出缺口，指挥下一周去补缺的那类场景。」——L3889
• 第 18 章第 4 对来源行「Hinton, Vinyals & Dean (2015), Distilling the Knowledge in a Neural Network, arXiv:1503.02531」——L3919
• 「实行每会小复盘、每日完整复盘、每周策略复盘。」——L912
• 「每场会一小盘，当天一大盘，每周一次总盘，每月完整复盘，每季规划后两个季度的资本市场竞赛方案。」——L3228（本文只引这一句的前半，后半与本文论点无关）
• 「最朴素的一件东西，是一张『不做什么』的清单：踩过的坑写成禁令，复盘会全员重读。方法可以变，边界只加不减。」——L3065
• 「会上最值钱的往往不是结论，是对方犹豫时的措辞、追问的顺序——那是他还没摊出来的底牌。」——L5886
• 「放过一夜，细节就被压缩成一句『他们没兴趣』。当天盘完，第二天那场会才有修正过的讲法。」——L5887
• 「信号会馊。」——L5888
• 「盘信号，不只盘结论」——L5893
• 「复盘先复自己，再复别人。」——L5899
• 「复盘不是账本上的事后加总，它给的是一把尺子：把『我感觉』还原成『指标显示』。」——L5907
• 「错处得先摆上桌——看得见的错，才改得掉。」——L5911、L5912
• 「经验不复盘，只是经历；蒸馏过的经验，才是方法。」——L5874
• 「一次否决往往比十次赞美更有信息量。」——L8621
• 「被否的时候先别辩解，先记账：否在哪里，为什么否。这是别人替我们量过的尺子。」——L8622
• 表 1、表 2、表 3 的计数覆盖到的其余行号，逐条列在表内。

一处标点说明：L3065、L5887、L5907 原文中的内层引号在纯文本里是半角双引号或「」，本文放进外层「」引用时，内层统一按中文惯例写作『』。只改了引号形状，一个字没改。

脱敏说明：本文引用的十六句官网原文中没有出现任何客户公司的名称，因此引用不需要做任何「一家…公司」式的改写；改写处计 0。表 1 至表 3 的计数分母里，已按写作说明 5.1 剔除五行客户与第三方原话，剔除的原因是它们不是这家机构自己的表述，不是因为它们带有公司名。本文自己的行文中也不描述任何可反推到具体公司的特征。详见写作说明第五节。

---

庚辛研究院. 软标签：复盘为什么要记下当时的次优选项[R]. 庚辛研究院通讯论文 GI-WP-2026-P13. 2026.

Glacier Institute. (2026). Soft labels: why a review should record the options not taken (Glacier Institute Working Paper No. GI-WP-2026-P13). https://glacier.mba/research/GI-WP-2026-P13.html

@techreport{glacier2026p13,
  author      = {{Glacier Institute}},
  title       = {{Soft labels: why a review should record the options not taken}},
  institution = {Glacier Institute},
  type        = {Working Paper},
  number      = {GI-WP-2026-P13},
  year        = {2026},
  url         = {https://glacier.mba/research/GI-WP-2026-P13.html}
}