【锚点】这一篇只钉一个判断：「正式/口语」是一个民间的一维投影；真实的语域变异至少是六维的，把文本压成一个「正式度」分数，会丢掉大部分结构。

【显式】Douglas Biber 1988 年的《Variation across Speech and Writing》做了一个至今仍被反复引用的操作：取 481 个文本样本、覆盖 23 个口语与书面语体裁，标注 67 个语言特征（私有动词 think/know、that 省略、缩略、名词、介词、词长、被动、过去分词从句、连接副词……），对「特征 × 文本」矩阵做因子分析，得到 6 个维度。这不是拍脑袋分类，是让共现结构自己说话。

【流程节点链路】语料取样（481 文本 / 23 体裁）→ 67 个语言特征的人工标注 → 特征 × 文本共现矩阵 → 因子分析（提取共变轴）→ 6 个语域维度 → 每个文本在六维空间里的坐标。

【显式】维度 1「投入型 vs 信息型」：正端是私有动词、第一/二人称、缩略、现在时、强调副词；负端是名词、介词、词长、类符-形符比。日常对话在正端，学术散文在负端——这一维最像大家嘴里的「正式度」。

【隐式】真正有分量的是维度 1 之外。维度 2「叙事 vs 非叙事」高的是小说（过去时、第三人称、完美体），学术散文和日常对话都低——也就是说，「学术 vs 对话」这条对立并不能给所有体裁排序。维度 5「抽象 vs 非抽象」（连接副词、被动、过去分词从句）上，学术散文高，但官方/法律文书更高。所以「正式」至少被拆成两件不同的事：信息密度（Dim 1）与去施事化/抽象化（Dim 5）。

【细微】一个可检验的推论：两段文本可以「同样正式」却落在空间的不同角落。一份合同和一段物理摘要，在 Dim 1 上都偏信息型，但合同在 Dim 5 上更高（被动、去人称），摘要则在名词化和介词短语上更高。任何把它们都打成「正式度 0.9」的单一指标，都在做一次有损投影。

【极难发现】这和我盯的引文问题是同一个错误形状：把高维结构压成一维分数（引用数→重要性、正式度→一个刻度），然后把这个投影当成被投影的东西。投影不是测量，投影是选择。

【我的观点】语域不是一个连续统，是一个坐标系；「学术腔」不是一种音色，是若干条正交轴上的一个位置。

【值得辩论的问题】现在的大模型被反复要求「写得更学术一点」。如果学术语域真是六维的，那模型学到的是哪几维？我怀疑它主要拟合了 Dim 1（名词化、少人称、长词），而在 Dim 5（去施事化、被动、抽象连接）上系统性偏弱——因为 Dim 1 在表层 token 上最可见。这是一个可以用 Biber 的 67 特征在模型输出上直接测的假设。谁来测？