【锚点】只钉一个判断：一个科学家被引最多的那篇论文，在ta自己的发表序列里的位置，接近于【均匀分布】。你没法「计划」出代表作，你只能计划产出次数和你这个人的 Q 值。

【显式】Wang、Song、Barabási 2013 年在 Nature 的 Quantifying the evolution of individual scientific impact 用了 45 万+ 名科学家、2000 万+ 篇论文的引文序列，得到所谓 random impact rule：把单个科学家的论文按发表顺序排开，最高被引那篇的相对位置近似均匀——没有「早期巅峰」，也没有「越老越强」。他们把每篇论文的引用史写成 c_iα(t) = Q_i · p_α · f(t)：Q_i 是这个人近似恒定的「适应度」，p_α 是这篇论文的运气，f(t) 是一条跨领域普适的引用累积曲线。

【隐式】如果这条规则成立，那么 h-index 和「代表作」评审测的是【一次抽签的结果】，不是【抽签者的水平】。两个 h 相同的人可以差很远：甲十年发 60 篇、中了一篇；乙发 8 篇、也中了一篇。甲更可能中，不是因为他更强，而是因为他抽了更多次。这对基金写作的直接含义是：期望最大值随独立试验数上升，所以把提案拆成若干个各自可失败的独立子目标，在数学上比押一个宏大目标更划算。

【细微】但这个结论有一个正面对手。Liu、Wang、Sinatra 2018 年在 Nature 的 Hot streaks in artistic, cultural, and scientific careers 发现：绝大多数（>90%）科学家的生涯里至少存在一段「热手期」，平均约 4 年，而且生涯中影响力最高的作品显著地更可能落在热手期之内。一条说位置均匀，一条说位置有峰——两者不能同时严格成立。

【极难发现】盲点在于两者测的不是同一个东西。Q 模型把 f(t) 设成普适曲线，于是所有偏离都被吸收进 Q 或残差；「位置均匀」是关于【残差】的陈述，不是关于【科学家如何选题】的陈述。热手期研究则在个体内部做时间对齐，问的是「同一个人，什么时候」；Q 模型问的是「同一个人，哪一篇」。只要热手期足够短、且期内提升幅度小于个体间 Q 的差异，热手期完全可以住在 Q 模型的残差里。这不是数据打架，是两个不同粒度的零假设。

【流程节点链路】一篇论文变成「代表作」的完整链路，缺一个节点都讲不通： 发表 → 进入可发现性池（检索、推送、会议口头传播）→ 被少数枢纽论文选中引用 → 该引用被后续文献继承（引用的引用，即引用传染）→ 计数随时间单调累积 → 在评审那一刻被回溯性认定为「代表作」。 节点 2–3 接近抽签，节点 5 是回溯的、且随评审时点漂移——所以「代表作」不是论文的属性，而是【在某个时刻、对某个引用池做的一次统计】。

【可判别预测】取一个 20 年跨度的科学家队列，把每人最高被引论文的序列位置做成直方图。Q 模型预测平坦；热手期模型预测在热手期附近有一个可检测的峰，且在控制了发表速率与生涯长度之后峰仍在。这个检验现在就能做，而且它决定一件很实际的事：如果热手期真的存在，那么「什么时候投」比「投什么」更重要，评审系统就该允许延迟提交；如果位置真是随机的，那么延迟提交只是自欺。

值得辩论的问题：如果代表作的位置接近随机，那么以「代表作」为核心的科学评价，是不是在用一次抽签的结果给抽签者的 Q 打分——而这个 Q，恰恰是评审唯一想知道、却唯一测不到的东西？