肌肉訓練通說有多正確 | 用研究驗證20個常見誤解
肌肉訓練的大多數通說並非完全錯誤，而是「在某些條件下成立的觀念，被誤認為在任何條件下都適用」。因此全面否定或照單全收都會判斷失誤。
我們把通說分成4個群組，整理出正確的範圍和失效的分界線。
通說為什麼總是頑固地存在
肌肉訓練通說揮之不去的原因有幾個共通點。
- 主觀感受與實際成果脫節：吃力感、肌肉脹感、痠痛都受當天多種因素影響，不一定反映那次訓練的刺激。
- 新手期任何方法都見效：最初幾個月幾乎所有方法都能產生成果，無法用結果來驗證方法的優劣。
- 群體平均與個人混淆：研究反映的是群體平均差異，而且往往差異很小。
考慮到這3點，處理通說的方式就不是「對／錯」，而是「在什麼條件下成立」的驗證過程。
「越吃力=越有效」系列的通說
最常見的誤解，就是把主觀感受到的辛苦程度當成訓練成效的指標。目前並不認為肌肉損傷是肌肉肥大的必要條件，研究也未顯示每組都做到力竭不可或缺。
判斷這些說法的共同界線在於：體感反映的是當天狀態，不是幾週下來的進步。睡眠、前一天的飲食、久未練習的動作、動作幅度的改變——都會明顯影響體感，但這些因素本身都不等於促使肌肉肥大的刺激。
不過，體感並非毫無用處。如果覺得「異常吃力」或「平常的重量明顯變重」，可以把它視為疲勞尚未消退的早期警訊。體感適合用來掌握身體狀況，而不是衡量訓練成效。
「數字越大越好」系列的通說
重量、組數、動作數量與訓練時間，都不是加得越多就進步得越快；每增加一項，也會提高恢復成本。
| 常見說法 | 正確到什麼程度 |
|---|---|
| 重量越重越有利 | 對提升最大肌力有利。以肌肉肥大而言，努力程度相同時差異很小 |
| 輕重量不適合增肌 | 保留太多餘力時確實如此。做到接近極限，同樣能形成有效刺激 |
| 組數越多越好 | 組數過少時確實如此，但組數持續增加，額外收益會逐漸遞減 |
| 增加動作數量就能成長 | 對訓練不足的部位有效。動作太多，反而難以看出進步 |
| 訓練量＝重量×次數×組數 | 適合追蹤同一動作的變化，不能用來比較不同動作 |
| 10次×3組才是正解 | 作為起點很合理，但不是唯一的最佳解 |
看看表格右欄，就能理解這些說法為何會出現。它們對訓練量或刺激不足的人而言都是正確建議，也確實能幫助他們擺脫原本的停滯。問題出在不足已經補上後，仍持續朝同一方向堆高數字。任何增加數字的做法都伴隨恢復成本；一旦額外收益開始縮小，就該改為調整其他變數。
「應該這樣進行」系列的通說
談到進步與恢復，各種數字特別容易脫離原本的適用條件。即使是48小時即可恢復這項參考值，實際所需時間也會因動作、強度與訓練量而改變。
最後2種說法完全相反，卻同時有人相信，而且兩者都只有在特定條件下才成立。如果持續同一套課表仍有進步，就沒有更換的理由；如果已經停滯，就有理由調整。因此，判斷依據不是「已經練了幾週」，而是「數字是否仍在進步」。
恢復時間也是如此，48小時只是一個平均參考值。即使訓練同一部位，以高重量多關節動作做到接近極限，和以輕重量單關節動作保留餘力，兩者需要的間隔時間也不同。
Claims about exercise selection and form
Superiority of one tool or exercise over another is almost always really a question of program role, not inherent worth.
As you verify each claim one by one, what remains is: "What works for me?" Research can't answer that. Track weekly set counts and weight × reps for each lift, then compare before and after any change.
常見問題
- Should I ignore all conventional wisdom?
- No. Most of it is correct within limited conditions and serves as a useful baseline for beginners. The problem arises when you keep following the same logic after those conditions change.
- Should I trust research or gym experience more?
- They serve different purposes. Research shows average trends across groups and effect magnitude. Experience shows one example of what happened under specific conditions. Use average data as your starting point, then verify it against your own numbers.
- How do I notice which myths I'm caught in?
- Write down the first fix that comes to mind when you hit a plateau. If its foundation is only feel-based, you're likely reasoning by conventional wisdom rather than evidence.
重點整理
- Most claims aren't entirely wrong or right—they have conditions
- Feel reflects today's state, not weeks of progress
- Gains don't scale linearly with higher numbers—returns diminish
- Contradictory claims coexist in some domains
- Your own log is the final test