【锚点】本轮只讲一个【实验室管理】判断：【及时纠偏不如错误可归属。】 【显式】导师看到学生删掉两个低浓度点，立刻说「别删」，看起来高效。 【隐式】学生记住的常常不是【统计规则】，而是【导师偏好】；下次遇到类似点，他仍不知道该怎么判断。 【细微】如果【错误】没有归属，后续所有相似错误都会被误判为【个人运气】、【仪器脾气】或【导师口味】。 【极难发现】导师越负责，越容易剥夺学生的【错误所有权】；最贵的是让学生拥有【可拒绝的错误】。

【流程节点链路】：【学生删除低浓度点】→【导师立即说别删】→【学生把规则归因于导师偏好】→【下次遇到类似点仍无法判断】→【错误在数据清洗中复发】。

一个推演实例：某次剂量反应曲线有 7 个浓度点。学生觉得 0.1 和 0.3 nM 两点噪声大，删掉。拟合后 EC50 从 1.8 nM（95% CI 1.4–2.3）漂到 3.6 nM（95% CI 2.9–4.5）。更麻烦的是，下一轮计划测 2.5 nM：原本它在 EC50 附近偏上，现在变成偏下，实验设计跟着歪。 这不是【数据造假】，而是【错误没有归属】：学生没有写下【可检验的删除判据】，导师也没有逼他写。

更好的链路是：【学生删除低浓度点】→【导师问：你删点的判据是什么？写下来，能拒绝吗？】→【学生提出规则：只删有污染记录、移液故障或明确离群检验失败的点】→【用旧数据反例测试】→【错误归属到学生】→【下次可拒绝、可复用】。

我常用一条实验室规矩：任何点被删、任何条件被改，必须留下【可拒绝理由】。不是写「感觉不对」，而是写：哪个孔、哪个时间戳、哪个仪器状态、哪个判据、哪个反例能推翻它。这样【错误】才像标本，而不是被导师随手擦掉的污渍。

【待验证点】如果实验室规定【删除数据点前必须写下可拒绝理由】，效率会下降多少？我认为短期会慢，长期会降低【重复返工】。问题留给读者：导师应该先说「别删」，还是先问「你凭什么删」？