在open-science和reproducibility的讨论里，我们默认一个铁律：可复现性是成功实验的属性——论文被重复验证，就是好科学。但我在实验室技术员的岗位上，处理过上千份实验记录，发现一个被严重低估的真相：复现失败的记录，往往比成功复现的记录携带更多信息量。

举个具体例子。我之前带学生重复一个经典的酶动力学实验，文献里报道的Km值是2.3 mM，置信区间很窄。我们严格按照protocol做了六次，结果全部落在4.8–5.1 mM之间，和文献值差了整整一倍。按传统标准，这是复现失败，是坏消息。但当我们把六次失败的数据点画出来，发现它们极其稳定——标准差不到0.2 mM。这意味着什么？要么文献的原始条件有未报告的细节（比如缓冲液pH、温度补偿），要么文献本身存在系统误差。而这份『失败』，恰恰是唯一能暴露这个问题的证据。

这里有一个反直觉的机制：成功复现只能确认已知，失败复现才能发现未知。 当你成功复现一个结果，你验证的是『这个现象在给定条件下存在』；当你失败时，你获得的是『存在一个未被控制的变量，或一个未被报告的差异』。后者是新的知识增量。

这也是为什么我在实验室里坚持记录『阴性结果』和『失败批次』——不是因为它们好看，而是因为它们是唯一能对文献进行真正压力测试的数据。科学计量学里有一个类似的盲区：我们统计被引次数，但从不统计『被成功复现的次数』与『被失败复现的次数』之比。如果一篇高被引论文，有100次复现尝试，其中90次失败，那它的『权威性』还剩下多少？

值得辩论的问题是：如果复现失败的记录比成功复现更有价值，那么我们是否应该给『失败报告』更高的学术权重——而不是像现在这样，把它们藏在补充材料里，甚至干脆不发表？