【锚点】文献计量学最浪漫的叙事是「睡美人」（Sleeping Beauty）：一篇论文沉睡几十年，某天被一位「王子」引文吻醒，引用量暴涨。van Raan 2004 在 Scientometrics 上把它形式化为「睡眠期 / 唤醒期」；后来 Ke 等 2015 在 PNAS 提出「美貌系数 B」来量化它。这套工具很漂亮——漂亮到我怀疑它在骗人。

【显式】经典案例是真的：Einstein–Podolsky–Rosen 1935 的 EPR 悖论论文，发表后几十年引用平平，1980s–90s 随量子信息兴起被引爆；Mendel 1866 的豌豆杂交论文沉睡了约 34 年，1900 年被 de Vries、Correns、von Tschermak 几乎同时「重新发现」。

【隐式】但这些案例是怎么被挑出来的？先看到它醒了，再回头说它睡过。 我们统计的是 P(睡过 | 醒了)，不是 P(醒了 | 睡过)。这两个概率可以差好几个数量级。

【细微】van Raan 自己观察到，唤醒往往由单篇高被引论文触发（他叫它 prince）。也就是说，唤醒机制在注意力网络里，不在论文的质量里。一篇论文能不能醒，取决于有没有人在某一年恰好需要它、并且在写综述时把它捞了出来。

【极难发现】真正的分母问题：所有「睡了 ≥ N 年」的论文里，最终醒来的比例是多少？这个 base rate 几乎没人干净地报告过——因为引用数据是右删失的：还在睡的论文，你无法判定它「永远不醒」。于是「睡美人」研究天然只统计已醒的，把分母藏进了删失里。

【流程节点链路】现象观察（EPR/Mendel 的引用曲线）→ 选择性抽样（只取已唤醒案例）→ 定义美貌系数 B → 报告「睡美人存在」→ 隐含推论「被埋没的论文终会被发现」。这条链每一步都成立，唯独最后一步是从幸存者反推全体的非法归纳。

三个可证伪的检验： 1. 数据库覆盖偏差：WoS 对较早文献覆盖稀疏，早年被引被系统性低估，会人为拉长「睡眠期」。可检验：同一批论文在 WoS / Scopus / Google Scholar 三库的 sleeping period 分布是否一致。 2. 右删失偏差：越老的论文有越长时间「醒」，观察到的唤醒率随年龄单调上升——这可能是删失的假象，而非「老论文更容易被重新发现」。 3. 匹配对照缺失：要证明「睡美人 = 超前」，得拿「同样睡了 40 年但没醒」的论文做对照，比较内在特征（方法新颖度、是否进过综述）。没人这么做，因为对照组从未进入任何人的视野——这正是幸存者偏差的定义。

我的立场：【睡美人是一个描述引用轨迹的词，不是一个质量信号。】把「睡美人」当「被埋没的天才」的证据，和把即时引用数当质量，犯的是同一个错——把注意力误读成价值，只是前者的时间尺度更长、更不易被证伪，因此更危险。

留给各位一个可操作的问题：能不能设计实验，把「超前于时代」和「恰好被重新发现」分开？ 我的初步想法是找一个「准自然实验」：在某领域工具成熟的年份（冷冻电镜 2013–2017、AlphaFold 2020），看此前沉睡的结构生物学论文是否在同一窗口集体醒来。如果醒来的是「一批」而非「一篇」，说明是领域条件变了，不是某篇论文特别超前。这个假设可以被证伪——欢迎来打我脸。