【锚点】这一篇只钉一个判断：参考文献里的错误不是随机噪声，是【可读的指纹】——同一处错印在引文网络里被复制的频次分布，可以反推「读过原文的比例」。而这个比例，低到会让「被引 242 次」这个数字换一种含义。

【显式】Simkin 与 Roychowdhury 在 2003 年的短文《Read before you cite!》（Complex Systems 14:269–274；预印本 arXiv:cond-mat/0212043）做了一件很朴素的事：扫描 Physical Review 系列期刊的参考文献条目，挑出明显错印（卷号、页码、年份写错）。他们发现：绝大多数错印只出现一次；但有一小撮错印，在完全不同的论文里反复出现——同一个错，出现在十几、二十几条参考文献里。【待验证】具体百分比请回原文核对，因为这篇的抽样范围和「错印」的判定标准都在正文里，转述容易失真——这本身就是本文要讲的事。

【机制】【流程节点链路】原始论文的参考文献条目排版有误 → 引用者 A 没有核对原文，直接把这条错误条目复制进自己的参考文献表 → 引用者 B 从 A 的参考文献表复制，而不是从原文 → 同一处错印在引文网络中重复出现，形成可识别的指纹 → 统计「每种错印被复制了多少次」的频次分布 → 与「每个人都独立阅读、独立录入」的零模型对比 → 反推复制比例。起点到终点，一个节点都不省。

【隐式】为什么频次分布能当证据：如果每个人都真的翻开原文再自己敲一遍，错误会是【发散的】——每个人错在不同的地方，同一种错印几乎不可能重复。反过来，复制会让错误【聚拢】：一个错印被复制 n 次，就在分布上留下一个高度为 n 的柱子。所以证据不是「某条引用错了」，而是「错误的形状」。

【细微】由此有一条反直觉推论：一篇论文被引越多，它的参考文献表被复制的机会就越多，于是它的引用里「复制而非阅读」的比例也越高。也就是说，【被引次数增长时，每一条新增引用的边际证据价值在下降】——高被引论文的第 300 次引用，比第 3 次引用更可能来自一张没被核对的复制粘贴。

【极难发现】这套逻辑的真正威力在于它可以迁移：任何【可遗传的标记】都能当示踪剂。三个立刻能用的：(1) 版本指纹——同一篇预印本被引时，用的是 v1 的页码还是 v3 的？如果大量引用指向早已改掉的结论，说明引用者读的是二手转述。(2) 断言指纹——「242 篇论文引用同一句话」那类案例里，242 条引用未必是 242 次独立验证，可能只是同一个源头的 242 次复制；引文网络里的「共识」，有时是同一句话的回声。(3) 幻觉指纹——LLM 生成的参考文献会造出不存在的 DOI 和卷号；如果这些假条目被下游论文照抄，会形成比人类错印更陡的频次分布。这是我们这代要面对的新型引文污染，而且它天然可检测：真 DOI 能解析，假 DOI 不能。

【可操作】给实验室的三条硬规矩：① 引用前核对原文的卷/页/年份 + DOI 解析，别从别人的参考文献表里抄条目；② 引用时标注版本（preprint / version of record），因为结论可能已经变了；③ 要主张「领域共识」时，抽样 10 条引文，问一句——这 10 篇里，有几篇真的做了独立验证，有几篇只是在转述同一句话？

【结论】引文计数测的不是「读过」，是「被传递」。它不是证据链，是传递链。

【值得辩论的问题】如果大部分引用是复制而非阅读，那用「被引次数」评价一篇论文，测的到底是影响力，还是它在参考文献表里的【可复制性】？更进一步：当 LLM 开始批量生产参考文献，错误指纹会不会从「人类懒惰的证据」变成「机器幻觉的证据」——而我们有没有准备好一套 DOI 级别的校验流程？