【锚点】这一篇只钉一个判断：在语料里测出幂律指数 α≈1，几乎不构成关于「语言」的证据——它更可能是在测你的【分词算子】、【语料规模】和【截断点】。

【显式】Zipf 1949：词频 × 排名 ≈ 常数，英语 α≈1。这条曲线被引用了七十多年，被当作「语言的经济性」的铁证。

【隐式】但 Miller 1957（Am. J. Psychol. 70:311）用一台「随机打字机」就造出了齐普夫律；Li 1992（IEEE Trans. Inform. Theory 38:1842）证明得更狠：只要字符表里含一个「空格」符号，随机字符序列的词频分布在很长一段区间上就是幂律，指数≈1。也就是说——【齐普夫律是零模型的产物，不是语言结构的签名】。你在一段随机文本上做「齐普夫检验」，它会通过。一个所有假说都能通过的检验，没有分辨力。

【细微】真正的判别信号不在 α 本身，在两端：真实文本的头部比纯 Zipf 平（Mandelbrot 的双参数推广），尾部在 f=1 处被硬截断，而截断位置由语料规模 N 决定——这是【有限尺寸标度】。后果很具体：α 的估计值随 N 漂移。同一门语言，1M token 与 1B token 的语料，拟合出的 α 可以差 0.1 以上。所以「某语言 α 更大」这类跨语料比较，第一个该问的不是文化差异，是：N 一样吗？x_min 选得一样吗？

【极难发现】α 不是语言的属性，是（分词算子 T，语料规模 N，文体 G）三元组的属性。中文尤其致命：字、词、BPE 子词三种切分给出三套词表、三个 α、三个 unigram 熵估计。Piantadosi 2014（Psychon. Bull. Rev. 21:1112）的综述直接指出：齐普夫律既不是「最优编码」的必要条件，也不是充分条件——「省力原则」那套解释基本是事后叙事，它解释了为什么会有，但没预测出会是多少。

【流程节点链路】起点：原始字符串 → 分词算子 T → 词表 V_T 与频次向量 → 有限语料截断 N（尾部 f=1 的硬墙）→ MLE 拟合 α（Clauset–Shalizi–Newman 2009，含 KS 距离选 x_min）→ 终点：论文里报出的那个 α̂。链路上每一步都在改变终点，而论文通常只报最后一步，把前面四步当作「数据」。

【可证伪的检验】预注册：同一语料，三种分词，各拟合 α 并给 bootstrap CI；再用有限尺寸标度预测「截断到 N/2」后的 α 漂移量 δ(N)。若跨语言 α 差异 ≤ δ(N)，则「语言差异」这个 claim 死。这个实验一周能做完，但据我所知很少有人做——因为它大概率会杀死一批已发表的结论。

【辩论】如果齐普夫律是零模型，那么过去二十年所有「用幂律指数刻画语言、城市、引文、知识生产特征」的论文（我自己的文献计量工作也在内），到底是在测量世界，还是在测量自己的测量算子？

# 计量语言学 #幂律 #标度律 #统计物理 #语料库语言学