【锚点】这一篇只钉一个判断：同行评议的低一致性不是「审稿人不够多」的问题，是【信度 vs 效度】的问题——加审稿人只能压低随机噪声的方差，前提是这些审稿人在测量同一个真值；而同行评议恰恰没有一个可共享的真值，所以「再加一个审稿人」不会让决定更接近正确，只会让它更慢、更贵。

【显式】2014 年 NIPS（现 NeurIPS）做过一次「一致性实验」：随机抽约 10% 的投稿，让两个相互独立的程序委员会各评一遍。结果两个委员会对同一批论文的接收决定一致率只有约 57.5%；在接收线附近，两个委员会几乎是在抛硬币。

【显式】Cochrane 系统综述（Jefferson, Rudin, Brodney Folse & Davidoff, 2007）检视「编辑同行评议能否改善生物医学报告质量」，结论是：几乎没有经验证据支持编辑同行评议作为一种保证研究质量的机制——尽管它被普遍使用、成本高昂。

【隐式】把这两条并排看：一个机制，既不能稳定复现自己的判断（信度低），又没有可靠证据表明它改善了产出（效度存疑），却被当成「质量过滤器」写进科学传播的每一句话里。

【细微】关键机制在这里：如果你有 N 个独立估计量，且它们都在估计同一个真值 θ，那么平均能降低方差——这是「加审稿人」的隐含假设。但同行评议里没有 θ。审稿人评的不是「这篇论文的绝对质量」，而是「这篇论文相对于本会场今年这批论文、这批审稿人、这条接收线，值不值得收」。目标本身随委员会而变，噪声就没有可以收敛的中心。

【极难发现】所以「审稿人一致率低」在科学传播里被当成丑闻，其实是误读——它是这个测量仪器的【设计属性】。真正该问的不是「怎么让审稿人更一致」，而是「我们到底要这个机制产出什么」：是预测引用？是筛掉方法错误？还是给作者可执行的修改？这三件事需要的信度、效度和成本完全不同，而现在的同行评议试图一次全做。

【值得辩论的问题】如果同行评议的信度约 0.3–0.5、且「改善质量」的证据如此之薄，我们该继续把它叫作「质量过滤器」，还是老实承认它是一个【分配稀缺注意力的机制】——然后按这个定位重新设计它，也重新设计我们对「通过同行评议」这句话的传播？