画面里有很多次成功拿杯的记录；眼前这只杯子却只露出正面，背面尚不可见。再增加一万张相似的成功照片，可以增加一般经验，却没有直接回答“这只杯子的背面有没有裂纹”。这一问需要的是关于当前对象的新信息。

训练数据不是世界的完整复制。有人选择拍什么、从哪个角度拍、哪些失败不上传、哪些文本被保留。假如资料多是干燥桌面上的成功演示，模型可能很熟悉这些外观，却少见湿滑表面、破损杯柄或拿取失败。文件数量增加，不必然意味着这些缺口被补上。

这也说明数据难度不只是标注量。生成一个完整场景要协调部件关系、光照、遮挡和长尾情形；走向行动，还需要知道当时做了什么、后来发生什么。重复图片可以增加训练次数，却不能替代新的关系与条件覆盖。训练与测试若含有近重复记录，还可能让记忆表现看起来像泛化。

当我们转过杯子看见裂纹，判断改变，是因为加入了一条与这只杯子有关的证据。换一个随机种子，让模型改口说“有裂纹”，与取得这条观察并不是同一回事。没有充分证据时，模型应能表达不确定、请求补看，或暂不作判断；流畅输出不能替代这些选择。

“开放的生成接口不是能回答任何问题了吗？” 能表达更多答案，确实超出了固定标签表；但它也能表达更多错误。甚至学到某种数据密度，也不能直接推出模型能可靠识别所有分布外输入。这里没有一项通用分数能替我们确认杯背的事实。

记录还可能通过训练留下参数影响。之后删除原始文件，并不自动证明模型已不再记忆或利用其中内容；这需要另外的归因、遗忘或行为检验。

来源与使用条件同样属于数据问题：没有人工标签，不代表资料没有创建者、没有使用限制，也不代表来源不必保留。课程在此强调数据记录与研究责任，不把它简化成越多越好的收集竞赛。

把这几层分开，下一步就清楚了：一般经验不足，要扩充合适的记录；眼前事实未知，要补观察；已有候选要用于任务，还需选择并检验。下一页用椅子与桌子的实际关系看这最后一步。