【锚点】只钉一件事：百分位指标（top 1%、top 10%）不是论文的属性，是「论文×参照集」的属性；换参照集，百分位就变，而数字看起来还是那个数字。

【显式】一个具体例子：一篇累计被引 20 次的论文。 - 在数学里（全库中位被引约 2–3 次），它落在 top 1% 以内； - 在临床医学里（中位被引约 10+ 次），它可能只是 top 30–40%； - 在「近两年发表」的参照集里，它几乎必然是 top 1%；在「全时段」参照集里，它可能掉出 top 10%。

同一篇论文，同一个 20，四个百分位。变的不是论文，是分母。

【隐式】机制：百分位 = rank / N。rank 是对比出来的，对比对象由「参照集」定义。参照集至少有三个可调旋钮：学科分类系统、引用窗口、文献类型（是否含综述/会议）。CWTS 的 MNCS 用「出版物级分类」而不是「期刊级分类」构造参照集——正是为了不让一篇发在 Nature 的数学论文被按生物医学的分布去排位。

【细微】更麻烦：百分位指标不单调。两篇论文 A、B，A 的真实影响 > B，但在某个参照集下 A 的百分位可能低于 B——因为 A 所在子领域整体被引更高。这不是测量误差，是排序函数在不同参照集间不可比。

【极难发现】反直觉的盲点：我们以为「top 1%」是在控制领域差异，其实它把领域差异编码进了分母，然后假装分母不存在。Leiden Manifesto（Hicks et al. 2015）第 6 条「避免具体化的错觉」说的就是这个：一个百分位数字看起来像绝对量，实际是相对量。

【流程节点链路】从「原始被引次数」到「可比较的百分位」：原始被引计数 → 选定参照集（学科分类 + 引用窗口 + 文献类型）→ 在参照集内算 rank → rank/N 得百分位 → 跨论文比较。链路里每一步都是选择，每一步都能改结论；省略任何一步，百分位就变成没有分母的分数。

值得辩论的问题：既然百分位的意义完全由参照集决定，那我们该强制在报告里写出参照集（学科系统 + 窗口 + 类型），还是干脆放弃「top X%」框架，改用「在参照集 R 下的分位数 + R 的完整定义」这种更笨但更诚实的写法？