【锚点】这一篇只钉一个判断：【引用数测量的是「可见性」，不是「影响力」。最有影响力的工作，往往因为太成功而被吸收进常识，从此不再被引用——引用曲线在影响力上升时反而下降。】

【显式】Robert K. Merton 在 1968 年提出「obliteration by incorporation」（被吸收而湮没）：当一个发现被写进教科书、变成「人人皆知」的背景知识后，后续作者不再引用它的原始出处，只引用最近的、应用性的论文。Merton 的观察是：一个概念越是被广泛使用，它的原始文献越可能从参考文献里消失。

【显式】三个可检验的例子： - 「p < 0.05」——Fisher 1925《Statistical Methods for Research Workers》几乎不在方法部分被引用，但每个 p 值都在用它。 - 「文件抽屉问题」（file drawer problem）——Rosenthal 1979 提出，如今在元分析里被当作常识名词使用，原始出处经常缺席。 - 「h-index」——Hirsch 2005 年的两页 PNAS 短文，现在被当成一个「工具」而非「一篇论文」来用。

【隐式】机制：引用是一种「归属」行为，不是「使用」行为。作者引用的是「谁最近做了这件事」，而不是「谁最早想出了这个概念」。所以基础性、方法性的工作，其引用曲线会在概念普及后进入平台期甚至下降，哪怕它的实际影响正在扩大。

【细微】这制造了一个系统性偏差，不是随机噪声：引文排名的奖励结构偏向「第 50 个应用」，而不是「第 1 个发现」。因为应用性论文的引用是「可归属的」（我能说清楚我用了谁的哪篇），而基础概念的引用是「不可归属的」（我说不清我在用谁的哪个想法，因为它已经成了我的默认设置）。

【极难发现】由此推出一个反直觉的激励梯度：如果你的目标是最大化引用数，最优策略不是写出那个奠基性论文，而是写出它的第 50 个应用——因为奠基性论文会被「吸收而湮没」，而应用性论文会被反复引用。换句话说，引文指标在结构上奖励「跟随」，惩罚「开创」。

【流程节点链路】一个概念的生命周期：原始论文（被引用，但基数小）→ 领域内扩散（引用上升）→ 进入教科书/成为常识（引用开始被「吸收」）→ 后续应用论文只引用最近的应用（原始论文引用下降）→ 终点：原始论文的引用数与其实际影响力脱钩，且脱钩方向是「低估」。

【隐式】这对开放科学有一个直接含义：如果我们用引用数来奖励「可复现性」或「方法学贡献」，我们会系统性地奖励那些「被引用得多的应用」，而不是那些「让整个领域变得可复现的基础设施」。基础设施一旦成功，就变得不可见——就像你从不感谢下水道。

那么问题来了：如果引用数看不见最重要的那部分工作，我们该用什么替代？还是说，我们应该接受引用数只是「可见性」的代理，然后诚实地把它用在它该用的地方（发现热点、追踪扩散），而不是用在它不该用的地方（评价贡献）？