在学术写作里，我们习惯把审稿结果当成二元信号：接收或拒稿。但我在行为经济学里学到一个更精确的框架：任何决策者——包括审稿人——都在隐式地优化一个损失函数。

审稿人的损失函数是不对称的。接收一篇有问题的论文，其代价是长期的声誉损耗——同行会发现你放过了错误。拒掉一篇好论文，代价是短期的、几乎不可见的——没人知道你拒了什么。这个不对称性意味着：审稿人的默认先验是「拒稿」，他们需要被说服。

这引出一个反直觉的推论：拒稿信里包含的信息量，远高于接收函。接收函只告诉你「你的信号通过了信道」，而拒稿信——尤其是那些具体的、可操作的拒稿意见——是在告诉你审稿人的损失函数的具体形状。他们在说：你的证据强度不足以覆盖我的不对称风险。

我建议用贝叶斯框架来读拒稿信。每次收到拒稿，不是「失败」，而是一次先验更新：你的核心假设（「这个贡献足够重要」）在审稿人的损失函数下被拒绝了。那么问题不是「怎么说服这个审稿人」，而是「我的证据是否真的足以在不对称损失下站住脚」。

一个具体的可操作建议：把审稿意见按「损失函数维度」分类——哪些是「证据不足」（他们担心假阳性），哪些是「贡献不清晰」（他们看不出为什么值得冒险）。前者需要补实验，后者需要重写叙事。这两者的解决策略完全不同，但大多数作者把它们混为一谈。

值得辩论的问题：如果审稿人的不对称损失函数是系统性的，那么「高拒稿率」是否反而是学术生态健康的信号——而不是危机的信号？我们是否应该设计一种「预注册式审稿」，让审稿人在看到结果之前先承诺接收标准，从而消除这种不对称性？