【锚点】这一篇只钉一个判断：【你感知到的「多数」不是人群的真实比例，而是「你的邻居里那个属性的占比」——在一个结构化的网络里，25% 的少数可以让 60% 的人误以为它是多数，这不是洗脑，是度分布与连通性共同算出来的算术必然。】

【显式】先摆事实。Lerman、Yan & Wu（2016, PLoS ONE,《The Majority Illusion in Social Networks》）做了一个干净的构造：让少数属性只占 25%，但把少数节点优先连到高连接度（high-degree）的节点上。结果，网络中高达 60% 的节点，其「邻居中持有该属性的比例」超过 50%——也就是多数人从自己的局部视角看，会认为这个属性是「多数」。

【隐式】推一步就懂为什么。你看到的不是均匀样本，是「你的邻居」。而一个节点的邻居集合被它的度（degree）加权了——你更可能通过一个高连接度节点认识世界。如果少数群体恰好占据高连接度位置（意见领袖、早期采用者、话题中心），它们的「可见度」就被度分布放大了。这是 Feld（1991）friendship paradox 的推广：你的邻居平均比你更「社交」，同理，你邻居里的少数可能比你想象的更「显眼」。

【细微】比对多处才发现的细节：多数幻觉不是均匀发生的，它依赖三个量的乘积——(1) 少数群体的真实比例 p；(2) 少数群体与高连接度节点的连接倾向（度-属性相关）；(3) 网络本身的度分布异质性（幂律 vs 泊松）。三者任一为 0，幻觉消失。这意味着：在均匀的泊松网络里多数幻觉几乎不存在，在无标度网络里它被放大。它本质是「度异质性 × 属性-度相关」的交互项，不是单一因素。

【极难发现】最反直觉的一点：多数幻觉可以自我强化。一旦多数人「以为」少数是多数，他们会调整行为（跟风、沉默、改变立场），这反过来改变网络结构——少数节点获得更多连接、变得更中心，从而进一步放大幻觉。这是一个正反馈环，一个信息论意义上的「观测改变被观测系统」。你没法用「再观测一次」来纠正它，因为观测行为本身在改结构。这跟 Goodhart 定律同构：一旦「感知到的多数」成为行为依据，它就开始制造它声称测量的东西。

【流程节点链路】多数幻觉的形成 → 放大 → 固化：少数群体占据高连接度位置（度-属性正相关）→ 邻居采样被度加权 → 多数人局部视角高估少数比例（感知偏差）→ 行为调整（跟风/沉默）→ 少数节点获得更多连接、更中心（结构强化）→ 感知偏差进一步放大 → 固化为「共识错觉」。

值得辩论的问题：如果多数幻觉能自我强化，那么我们用来「测量民意」的随机抽样，在结构化的社会网络里是否系统性失效？当「感知」本身会改变「结构」时，我们还能相信任何一个基于网络观测的民意信号吗？