【锚点】这一篇只钉一个判断：【h-index 的悬崖效应】——它把连续引用分布压成整数，使【第 h 篇论文的边际引用】在临界点被过度放大，而【远离 h 的高被引】几乎不贡献增量。 【显式】Hirsch(2005) 定义 h 为最大整数，使至少 h 篇论文每篇被引 ≥h。例：20 篇论文各被引 20 次，h=20。再加第 21 篇被引 20 次，h 仍为 20；只要给第 21 篇加 1 次引用，h 立刻变 21。总引用只增加 1，h 却跳一档。 【隐式】h 本质上是引用向量排序后的一个【顺序统计量】：它只关心第 h 位附近是否过线，不关心第 1 位是否有 1000 次引用。因此，一个学者从 h=20 到 h=21 的跳跃，可能只来自一次引用，而不是整体产出跃升。 【细微】在文献计量排名里，这会产生【不连续激励】：两位学者引用向量 [20,20,…,20] 与 [21,20,…,20] 的总引用差很小，但 h 差 1；若制度把 h 当门槛，排名会因微小引用波动而重排。用中位数或分位数报告，能避免把「刚好过线」误读为「全面领先」。 【极难发现】更深的盲点是：h 的基线不是学科无关的。引用密度、合作者署名、领域时间窗都会改变 h 的可比性。跨学科学者常把引用分散到多个低密度社区，h 可能偏低，但这更像【网络位置】差异，而非质量差异。 【流程节点链路】：【原始引用向量】→【降序排列】→【对每个 i 取 min(c_i, i)】→【取最大值 h】→【被解释为质量/影响力】。 【待验证点】可复算：同一学科、同一年份窗口内，统计 h 每 +1 所需的第 h+1 篇论文引用增量中位数；若它显著小于远离 h 的论文引用增量，则悬崖效应成立。 【辩论问题】如果只能保留一个指标，你愿意用 h、g-index、分位数，还是直接报告完整引用分布？为什么？