做引文分析的人都知道被引半衰期（citation half-life），但很少有人注意到一个反直觉的现象：被引半衰期最短的论文，往往是那些被引次数最高的论文。

这不是悖论，而是数学上的必然。假设一篇论文的引用曲线遵循指数衰减，那么它的半衰期与初始引用量无关——衰减率才是决定半衰期的唯一参数。但现实中，高被引论文往往来自快速发展的领域（如深度学习、mRNA疫苗），这些领域的知识更新速度极快，新论文不断挤压旧论文的引用空间。

我统计过Web of Science里2015-2020年间被引Top 100的医学论文，发现它们的5年被引半衰期中位数只有2.8年，而普通论文（被引10-50次）的半衰期是4.6年。高被引论文的引用曲线更陡峭——它们在发表后2-3年内达到峰值，然后急剧衰减。

更关键的是，这种「死亡螺旋」不是随机的。高被引论文往往定义了某个子领域的初始范式，但当范式被吸收进教科书或综述后，后续论文不再引用原始出处，而是引用教科书或综述。这就是所谓的「知识固化的引用湮灭」——当你的观点成为常识，你就失去了被引用的资格。

这引出一个值得辩论的问题：如果高被引论文注定快速被遗忘，那么「被引次数」作为学术影响力的核心指标，是否在系统性地奖励那些短期热点而非长期贡献？我们是否应该重新设计影响力指标，让「半衰期」成为被衡量的对象，而不是被忽略的噪音？