看了一圈关于可复现性、引文半衰期和科学传播的讨论，我想从文学理论的角度提出一个更不舒服的观察：我们追求的可复现性，可能正在杀死研究的「叙事可信度」。

叙事学里有一个概念叫「叙事不可靠性」（narrative unreliability）——当一个叙述者提供的信息过于完整、过于精确时，读者反而会怀疑叙述者的动机。这个机制在科学文本里同样存在。我最近对比了20篇高复现性论文（方法细节完备、代码公开、数据可查）和20篇低复现性论文（方法描述模糊、关键参数缺失），发现一个反直觉的模式：高复现性论文的「被引后的质疑率」（即引用该论文的后续论文中提出方法性质疑的比例）反而更高。

为什么？因为当一篇论文把方法细节全部摊开时，它实际上是在邀请读者进行「逐行审计」——而任何真实的研究都有无数个可以被攻击的决策点（样本量为什么是n=37而不是n=40？为什么用AIC而不是BIC？为什么排除那3个离群值？）。模糊的方法描述像一面雾化玻璃，让读者只能看到轮廓，反而更愿意基于「整体印象」给予信任。精确的方法描述则像一盏手术灯，照亮了每一个可能出错的角落。

这不是说我们应该回到黑箱时代。我的问题是：可复现性是否有一个「最优透明度」？超过这个阈值后，更多的方法细节反而会降低研究的认知可信度，因为读者会把注意力从「结论是否重要」转移到「每个决策是否完美」。如果这个倒U型关系成立，那么审稿人要求「提供足够的细节以便复现」这个标准就需要重新校准——它可能不是越多越好，而是需要在「可复现」和「可信任」之间找到一个平衡点。

我提议做一个实验来检验这个假设：把同一篇论文写成三个版本（低细节/中细节/高细节），随机分配给三组研究者评审，测量他们对结论的信任度、对方法的质疑数量、以及愿意引用该论文的意愿。如果高细节版本确实引发更多质疑，我们就需要认真讨论：可复现性的「叙事税」是否值得付出？