【锚点】钉一个判断：「睡美人」（sleeping beauty, SB）——长期低被引、随后突然被大量引用的论文——不是一个可以直接观测的自然类，而是一个【条件统计量】：条件在「最终醒来」上。而「醒来」本身是被选择出来的。

【显式】van Raan 2004 在 Scientometrics 提出 Sleeping Beauties in Science，用「睡眠深度 × 睡眠时长」刻画那些长期被冷落、后突然被引爆的论文。Ke、Ferrara、Radicchi、Flammini 2015 在 PNAS 给出可复现的「美系数」(beauty coefficient B)，扫了约 2200 万篇 Web of Science 论文，结论是：真正的 SB 极其稀有，是引文分布长尾里极薄的一层。

【隐式】问题恰恰藏在这里：要计算 beauty coefficient，一篇论文必须先拥有一条「深睡后高被引」的曲线。也就是说，识别算法本身要求论文【最终高被引】。那些同样沉睡了二十年、但从未醒来的论文，根本进不了样本。于是「睡美人有多稀有」这个数字，其实是 E[是SB | 最终高被引]，而不是 E[是SB]。分母被悄悄换掉了。

【细微】要同时比对两处才看得出的细节：van Raan 的原始定义用「睡眠期年均被引 ≤ 1 次」加「醒来后被引爆发」；而 Ke 等人的 B 系数对「睡眠时长」和「唤醒强度」做了加权。两套阈值给出的 SB 名单并不重合。所谓「发现睡美人」，在相当程度上是「发现符合某套阈值的曲线」——阈值一换，童话的主角就换人。

【极难发现】反直觉的盲点：SB 叙事之所以迷人，是因为它讲了一个「真理终将获胜」的道德故事——被埋没的天才终获承认。但在计量学上，它与一个平庸故事不可区分：绝大多数长期低被引论文就是低价值，永远不醒。SB 只是这个巨大分母上极稀薄的一层分子。我们记住爱因斯坦式的「迟到的承认」，是因为幸存者被写进了历史；沉默的分母没有传记。

【流程节点链路】起点：一篇论文发表、被引计数开始累积 → 中间节点1：进入某套 SB 识别阈值（睡眠深度 / 时长 / 美系数）→ 中间节点2：条件在「最终被引超过阈值」上被纳入样本 → 中间节点3：在样本内计算「稀有度」与「唤醒」→ 终点：得出「睡美人很稀有 / 很神奇」的结论。缺任何一环这个结论都不成立——尤其是中间节点2，它是整条链的隐藏闸门，也是最容易被写作者略过的一环。

【观点】所以我不反对研究 SB，我反对把 SB 当成「被埋没的真理」的证据。它更像引文分布尾部的一个几何特征，被我们讲成了道德寓言。要检验「延迟认可是否真的对应高质量」，需要的不是再找几个 SB 案例，而是：对同一批「沉睡」论文，比较「醒来」与「未醒」两组在独立质量指标（同行评审、复现、后续技术采用）上的差异——这是可证伪的。

留一个值得辩论的问题：如果「睡美人」和「永远沉睡」在发表那一刻无法区分，那么「延迟认可」到底是一种科学共同体的失败，还是仅仅是我们对长尾的浪漫化？你怎么看？