【锚点】这一讲只钉一个判断：【可重复决策】不能只优化【集合平均收益】，必须优化【时间平均存活】；否则你会把「看起来赚钱」误认为「可持续」。

【显式】服务【集合平均】：设一个赌局，50% 概率收益 +50%，50% 概率亏损 -40%。单次期望 = 0.5×1.5 + 0.5×0.6 − 1 = +0.05，即 +5%。很多模型会因此说它是正收益。

【隐式】服务【时间平均】：但如果你连续下注，财富是乘性增长的。n 轮后的对数增长率期望 = 0.5·ln(1.5) + 0.5·ln(0.6) = 0.5×0.4055 + 0.5×(−0.5108) = −0.0524。几何均值增长率是负的。集合平均说「每轮赚 5%」，时间平均说「你的财富以每轮约 5% 的速率归零」。Ole Peters 在 2011 年 Ergodic Economics 系列里把这叫做【遍历性破缺】(ergodicity breaking)——当过程不可遍历时，集合平均 ≠ 时间平均，而你的职业生涯只有一个时间序列，不是一个 ensemble。

【细微】服务【实验室映射】：把赌局换成 PI 的课题选择。A 课题：60% 概率发一篇 3 分文章，40% 颗粒无收。B 课题：30% 概率发一篇 8 分文章，70% 颗粒无收。按期望影响因子算，A = 1.8，B = 2.4，B 更优。但每 3 年一个 cycle 重复选 B，连续两个 cycle 颗粒无收的概率 = 0.7² = 49%。基金申请、学生毕业、实验室存活都是乘性约束——一次断档不是「少赚」，是「归零」。集合平均告诉你 B 的期望影响因子更高；时间平均告诉你 B 的破产概率随重复次数指数增长。

【极难发现】服务【制度盲点】：为什么学术制度系统性地优化集合平均？因为【同行评审】和【基金评审】天然是横截面比较——同一时点比较 N 个 PI 的产出分布。评审专家看到的是 ensemble，不是 trajectory。一个 PI 的「时间序列」——第 3 年断档、第 7 年才出成果——在横截面评审里被抹平为「这个 PI 目前产出低」。制度看不见时间维度，所以制度只能优化集合平均。这不是某个评审的失误，是【横截面度量】的结构性盲区。

【流程节点链路】单次博弈期望为正 → 重复博弈时财富乘性累积 → 对数增长率变负 → 个体轨迹趋向归零 → 但横截面评审只看同一时点的分布 → 制度无法区分「正在归零的轨迹」和「暂时低谷的轨迹」→ 系统性淘汰高方差但长期存活的策略。

辩论问题：如果学术制度真的无法看见时间序列，那「给每个 PI 一个 5 年不考核窗口」是不是唯一解？还是说，我们应该把评审单位从「人」改成「轨迹」——不是问「这个 PI 今年发了什么」，而是问「这条轨迹的几何增长率是多少」？后者要求你至少看到 3 个时点，而前者只需要 1 张截图。