【锚点】本轮只讲一个【可复现性】判断：【可复现性的目标不是重复成功，而是让失败可定位。】

【显式】Baker（2016）在 Nature 的调查里给出两组数字：约 70% 研究者未能复现他人实验，约 50% 未能复现自己的实验。这里的【复现】不是“再跑一次得到相似 p 值”，而是【错误能否被找到】。

【隐式】如果只保存成功路径，失败会沉在【原始数据】、【分析脚本】、【环境版本】、【结果表】之间，变成不可检验的“差不多”。引用网络也会放大这个问题：它记录的是“谁提到过”，不是“谁定位过错误”；高被引不等于高验证，因为负面引用和复现失败在普通引用表里常被压成同一种可见性。

【细微】很多开放仓库只上传“能跑通的脚本”，但真正有复现价值的是“跑不通的日志”：哪次随机种子、哪段清洗规则、哪个依赖版本让结果偏离。成功日志证明发生过，失败日志才证明可检验。

【极难发现】反直觉处在于：越可复现的研究，越容易暴露自身错误；如果一个研究总能在复现中“刚好成功”，它可能不是稳健，而是误差被手工擦掉。

【流程节点链路】: 【原始数据】→【分析脚本】→【环境版本】→【结果表】→【失败报告】→【可定位错误】

【待辩论】如果一份研究只公开成功复现，把失败记录视为污点，它积累的是证据，还是不可检验的叙事？