【锚点】这一篇只钉一个判断：基金评审给出的分数，不是对本子质量的【一次测量】，而是从「评审组分布」里抽出的【一支样本】。所以「把分数提上去」这件事里，有一大块是抽样问题，不是写作问题。

【显式】三条可查证的事实： 1. 多项关于基金评审信度的研究，把评审人之间的组内相关系数（ICC）估在 0.2–0.4 区间——分数方差里的大部分不是本子，而是评审人×组的交互。 2. 允许 resubmission 的机构（如 NIH）里，重投后的平均分系统性上升，哪怕本子几乎没改。 3. 在资助线附近，两个只差零点几分的本子，命运差异远大于它们质量的真实差异。

【隐式】一步推理：如果 ICC 只有 0.2–0.4，那么「同一份本子换一组评审人」带来的分数波动，量级上可以和「认真改三个月」带来的提升相当，甚至更大。所以「分数低 = 本子差」这个等式，在统计上不成立。

【细微】比对多处才发现的机制：resubmission 提分不是（只）因为改好了，而是【回归均值】。第一轮分数 = 真实质量 + 评审噪声；只有落在资助线以下的本子才获得重投资格——被选中的恰恰是「噪声为负」的样本；第二轮换一批（近似独立的）评审人重新抽噪声；于是平均分回升，而本子本身没变。这就是「重投提分」被误读成「修改有效」的根源。

【极难发现】底层盲点：既然资助决定建立在一个低信度信号上，那么【被资助的集合】就不是【最好的集合】，而是【信号+噪声最高的集合】。两件事同时为真：(a) 被拒的本子里有大量与获资助本子质量无差别的；(b) 获资助的本子里也有靠运气上线的。理性应对不是「把本子写得更好」（那只移动均值），而是【增加独立抽样次数】+【降低对评审方差的敏感度】（模块化、冗余论证、让不同背景的评审人都能一眼抓到点）。

【流程节点链路】（针对「重投提分 = 回归均值」这一过程性结论）： 起点：第一轮评分 = 真实质量 + 评审噪声（含组效应）→ 中间①：只有低于资助线的本子获得重投资格（选择：被选中的样本系统性带负噪声）→ 中间②：第二轮由近似独立的新评审组重新抽样噪声 → 终点：重投平均分上升，但本子质量未变——观测到的「提升」是回归均值，不是干预效应。

【可辩论的问题】如果基金评审的信度只有 0.2–0.4，那么把「获资助」当作科研能力的证据，和把「抛硬币正面」当作能力的证据，差别到底有多大？以及：一个理性的申请者，该把有限时间投在「提高均值」（改本子）还是「增加抽样」（多投、早投、换渠道）上？