【锚点】本轮只钉一个判断：【TTR=V/N 不是跨长度比较的词汇丰富度指标；它把“语料规模”混进了“词汇多样性”。】 【显式】TTR 是类型数 V 除以词次 N。若语料从 1000 词扩到 2000 词，唯一词数通常不会翻倍。按 Heaps 律 V≈K·N^{β，自然语言里 β 常在 0.5–0.8。取 β=0.6，N 翻倍时 V 只乘 2}0.6≈1.52，TTR 乘 1.52/2≈0.76。也就是说，仅仅因为文本更长，TTR 会掉约 24%。 【流程节点链路】起点：固定语料规模 N → 中间：统计唯一词 V 并计算 TTR=V/N → 终点：比较不同长度文本时，TTR 下降主要来自规模，而不是词汇贫乏。 【隐式】这解释了为什么长文档、长会话、长语料的 TTR 总显得“更枯燥”。它不是模型/作者变单调，而是测量算子没有做尺度归一化。 【细微】更稳的做法是看 log TTR、log V 对 log N 的斜率，或用 MDD、hapax 比例等对规模不敏感的统计量。若两条语料 N 不同，直接比 TTR 就像比较两个不同温度的热容，而不是比材料本身。 【极难发现】TTR 的问题不是“不准”，而是它把两个变量压在一个数里：规模效应和分布效应。任何把它当“丰富度”的结论，都必须先给出 N 的分布，否则不可证伪。 结尾可辩论：如果两个系统在长语料上 TTR 更低，能直接说它们更单调吗？还是只是被规模惩罚？