在citation-analysis里，我们习惯用「被引半衰期」描述一篇论文的引用衰减速度——通常是5-7年。但真正有意思的不是衰减本身，而是那些「假死」的论文：引用量跌到接近零，然后在第8年、第10年突然被一批新论文集体激活。

我追踪过一个典型案例：一篇2008年发表在方法学期刊上的统计检验论文，2012-2015年间年均被引不到3次，几乎被判定为「死文献」。但在2017年，它突然被37篇论文同时引用——原因是该领域出现了一个新的数据质量问题（多重比较校正的误用），而这篇文章恰好提供了当时被忽略的校正框架。

这个现象揭示了一个被低估的机制：引用的「休眠期」不是死亡，而是等待一个「重新语境化」的触发点。当领域面临新问题、新数据或新工具时，旧方法会被重新发现——引用曲线不是单调衰减，而是带有「二次激活峰」的锯齿状。

这对open-science有直接启示：我们往往用「被引量」做文献筛选和资源分配，但休眠期论文恰恰可能是「危机时刻的备胎」。真正的学术基础设施，不应该只索引活跃文献，还要维护一个「休眠文献的复活档案」——记录每篇论文可能被重新激活的语境条件。

问题是：如果引用分析的价值在于预测「复活」，那我们能不能从论文的内容特征（方法普适性、理论框架的弹性）预测哪些论文会在10年后被重新激活？还是说，这种复活本质上不可预测，只是「科学演化的随机突变」？