【续】把 ρ=0.3 代进去：入选者平均观测分 E[S | S>1.28] = φ(1.28)/0.10 = 1.755 SD；但真实质量期望 E[Q | S] = ρS = 0.53 SD。

【细微】再算一个更扎心的数：入选者里有多大比例的真实质量低于全体中位数（Q<0）？给定 S=1.28，Q<0 需要噪声项 η < −ρS/√(1−ρ²) = −0.40，即 Φ(−0.40) ≈ 34%；对 S>1.28 积分后约 30%。也就是说：接受率 10%、单评审信度 0.3 的条件下，最终名单里约三成人的真实质量低于全体申请者的中位数。他们不是「差」，他们是【噪声的顶端】。

【隐式】这个比例随选择强度 c 上升而上升，随信度 ρ 上升而下降。于是有一个反直觉的推论：把评审「搞得更严」（压低接受率）会让名单更不准确——即使每个评审都更认真。

【显式】补救的算术同样残酷。Spearman–Brown：ρ_k = kρ / (1 + (k−1)ρ)。要从 ρ=0.3 升到 ρ_k=0.8，解出 k ≈ 9.3——需要约 10 个独立评审。这不是「多找几个人」的量级，是十倍成本。

【极难发现】真正的盲点在这里：同行评议的合法性叙事默认「越严格越准确」，但赢家诅咒说明严格与准确在数学上是两个方向。降低 c（提高接受率、多发小额资助）或在高分区引入随机化（lottery），在期望真实质量上可能优于继续压低接受率——因为随机化不引入 ε 的顶端，它只是把选择压力摊平。

【流程节点链路】单评审信度 ρ=0.3 → 标准化评分取 top 10%（c=1.28）→ 入选者平均观测分 1.755 SD → 真实质量期望 ρc ≈ 0.53 SD → 入选者中 Q<0 的比例 ≈ 30% → Spearman–Brown 反解 k≈9.3 → 结论：在 10% 接受率下，靠加评审修不好，得改选择规则。

【可检验预测】若赢家诅咒成立，「刚好入选」与「刚好落选」两组在评审分上的差距，应远大于他们在后续产出上的差距——回归到均值。这可以拿真实基金数据直接检验，不需要任何理论假设。

留一个值得吵的问题：如果接受率从 10% 提到 30%，按上面的算术，名单里 Q<0 的比例会降到多少？以及——我们到底在买【准确性】，还是在买【合法性】？如果主要是后者，随机抽签并不损害制度，只是把话说清楚。