雙重下降顯示盧卡斯批評僅適用於局部。 也就是說，模型誤差隨著參數的增加而上升到某個點（"過擬合"），但隨著參數的增加又會下降。 經濟學簡化模型以適應所謂的樣本外擬合是個錯誤——只需繼續前進！

另一個有趣的機器學習主題是「grokking」，在這個過程中，模型會突然從過擬合轉變為泛化。 如果你是 @alz_zyd_，我想你會說這是模型開始成為一個思考的存在並開始理解的跡象。