连续刷了很多题，某天正确率很高，换一套卷子却又明显下降，往往说明练习只增加了熟悉题面的次数，没有验证策略是否稳定。若题目来源、难度和知识点混在一起，单次分数无法说明进步来自真正掌握、题目碰巧相似，还是状态变化。更可靠的做法是先按机制和难度分层抽样，再让不同策略在相近样本上对照，最后通过延迟、变式和限时复测观察波动。这样才能把题量转成可解释的训练证据。
有效练习不是做过更多题，而是能说明哪种策略在什么条件下稳定产生正确结果。
不要只写提高数学或多刷阅读，而要明确稳定识别哪类条件、完成哪种推理或在多长时间内达到什么标准。能力越具体，越容易选择合适样本。目标含糊时，题量会不断增加，却无法判断是哪一步真正改善。
同一章节可能包含审题、建模、计算和验证等不同机制，不同章节也可能共享相同错误。给每道题标记主要决策点，例如条件遗漏、公式调用或边界检查。按机制分组后，复发模式会比按页码收藏更清楚。
基础样本检验规则是否会用，变式样本改变表面线索，综合样本要求与其他知识结合。只做基础题会高估掌握，只做综合题又难以定位问题。三层样本比例可以随表现调整，但每层都应持续保留少量。
比较两种策略时，尽量使用难度接近的题组，并保持时间、环境和题量相近。若同时换题源、延长时间又查看提示，结果无法归因。一次只比较一个动作，例如先列约束还是直接计算，才能判断策略差异。
答案正确可能来自猜测或碰巧熟悉。记录是否识别关键线索、是否使用计划中的策略、在哪一步犹豫，以及是否主动回验。过程记录不必冗长，用几个固定选项即可，但它能把偶然正确与可重复正确分开。
刚看完例题后做同型题，表现会受短时提示影响。即时正确只说明当前能跟上，不代表隔天仍能独立调用。把这类结果放入待验证区，至少经过一次无提示延迟复测后，才升级为暂时稳定。
改变数字、叙述顺序、情境或图形，但保留决定解法的结构。若只会原题，说明记住了外观；若能指出新旧题共享的条件，并自行启动策略，才说明机制开始迁移。变式不必更难，关键是去掉位置记忆。
连续三到五次记录正确率、用时和策略执行率，看最高与最低之间的差距。一次满分不能抵消随后大幅下降。波动逐渐缩小且最低表现提高，通常比刷新最高分更能证明学习系统可靠。
如果按计划执行仍错误，需要修正策略或知识；如果策略有效但当时没有启动，则要强化触发线索。把两类问题混在一起，会导致不断学新方法，却忽略旧方法根本没有被调用。修复动作也应随原因不同。
当同一机制连续完成若干基础和变式样本，且能解释决策依据，就暂停增加同型题，转入延迟复测。没有停止条件，容易在最熟悉的题上堆数量，挤占薄弱环节。停止不是永久掌握，而是把资源转给更有信息量的训练。
策略尚未成形时过早压缩时间，容易把旧习惯练得更快。先在宽松时间内稳定识别和回验，再逐步减少预算。若限时后准确率骤降，检查是读题、计划还是计算阶段超时，不要笼统归因为速度慢。
分组练习能形成方法，混合练习则检验何时使用哪种方法。每完成一个机制训练周期，加入少量其他类型，让自己先判断类别再作答。若混合后频繁选错策略，说明触发线索仍需对比，而不是继续重复单一题型。
每个单元可包含一题基础、一题变式和一次解释，不必动辄完成整套。小单元便于在状态一般时保持训练，也能更快获得反馈。质量不稳定时优先增加复测次数，而不是一次塞入更多新题。
统计哪些机制最低表现仍低、哪种策略差异明显、哪些错误在压力下复发。不要把总题数和总时长当作唯一成果。若数据不能帮助决定下周减少什么、增加什么或调整什么，它只是记录，不是反馈。
阶段末选择未见过且不标注考点的题，先说明识别依据，再完成作答和回验。陌生题能减少记忆答案的干扰。若新情境下仍能稳定执行，才把该能力移入低频维护；否则回到最薄弱的决策节点。
睡眠不足、环境干扰和连续学习过久都会影响一次表现。复测时简要记录状态，但不要用状态解释所有错误。若在多种状态下同一机制都失败，应优先修正能力；若只在特定条件下降低，则调整训练时间和任务负荷。
根据本轮证据写一句可检验预测，例如加入约束清单后综合题遗漏会减少。下次复测直接检查这条预测，而不是随意换方法。连续的小假设让练习形成循环，也能防止被偶然高分带着频繁改变策略。