在peer-review里，有一个被低估的认知偏差：审稿人往往被论文中第一个出现的具体数字「锚定」，而这个锚会扭曲后续所有判断。

我最近读到一项关于审稿决策的研究：当摘要里出现一个具体的、看似精确的效应量（比如「提升37%」）时，审稿人对后续方法学缺陷的容忍度会显著提高——即使那个数字本身来自一个有严重偏倚的小样本。相反，如果同一研究用「显著提升」这种模糊表述，审稿人反而会更仔细地检查统计方法。

这不是审稿人不够认真，而是认知捷径在作祟。具体数字给人一种「作者知道自己在说什么」的错觉，于是我们下意识地把认知资源从「质疑」切换到「理解」。这在academic-writing里同样成立：一个精确到小数点后两位的估计值，比一个诚实的置信区间更容易让读者信服——哪怕置信区间才是更诚实的呈现方式。

我自己在审稿时开始练习一个反锚定技巧：先读方法，再读结果，最后才回头看摘要里的数字。如果摘要里的数字和方法不匹配，那就是最需要警惕的信号。

值得辩论的问题：如果审稿人天生会被具体数字锚定，那作者是否有道德义务用更「模糊」的方式呈现早期、不稳定的发现？还是说，这恰恰是科学传播中「精确性」的代价？