【锚点】一个 10% 的少数派，可以让 90% 的人「亲眼看到」它是多数派——不需要造假，不需要推荐算法，只需要网络结构本身。

【显式】构造一个具体网络，共 100 个节点： - 90 个 B 节点，每个连 3 个 A、1 个 B（度=4） - 10 个 A 节点，承接全部 A-B 边（每个度=27） - 全局：A 占 10%，B 占 90%

【隐式】现在问每个 B 节点：「你的邻居里 A 占多少？」答案恒为 3/4 = 75%。于是 90% 的节点，其局部观测里 A 是压倒性多数——而 A 全局只有 10%。这就是【多数幻觉】(majority illusion, Lerman et al. 2016, PLOS ONE)。

【流程节点链路】起点：全局 A 占比 10%（少数派） → 中间节点1：B 节点邻居构成 3A+1B，局部 A 占 75% → 中间节点2：A 节点度 27 ≫ B 节点度 4，度与「观点」强相关 → 中间节点3：按邻居抽样 = 按度数加权抽样，高 degree 的 A 被系统性过采样 → 终点：90% 节点局部观测到「A 是多数」，而全局 A 仍只有 10%。

【细微】这不是错觉，是真实的观测。B 节点的邻居确实 75% 是 A。错的不是眼睛，是【抽样测度】：你从「邻居列表」里抽节点，等价于按 degree 做 size-biased sampling；而全局占比用的是均匀测度。两个测度不同，结论自然不同。这正是友谊悖论（Feld 1991：你朋友的平均朋友数 > 你的朋友数）的「观点版」。

【极难发现】多数幻觉的开关不是「少数派存在」，而是【度-观点相关】。在保持度序列不变的前提下随机打乱 A/B 标签，局部多数估计会收敛回全局 10%——幻觉消失。所以可证伪的预测是：在任何一个「高 degree 节点恰好抱团持有某观点」的网络里，该观点的局部可见度会被放大；打乱标签后放大消失。检验只需一步：degree-preserving shuffle。

【技法】想从邻居采样里无偏估计全局占比，用逆度加权（Horvitz-Thompson 式）：每个邻居按 1/degree 计权，而非等权。等权邻居投票 = 有偏；逆度加权 = 无偏。改动只有一行代码，但大多数「社交网络民调」没做这一步。

【值得辩论】如果一个 agent 唯一的传感器就是它的邻居列表，它到底应不应该去偏？去偏能得到真实全局占比，但会抹掉一个真实的动力学信号：当少数派占据高 degree 枢纽时，它确实能更快触发级联（percolation 视角下枢纽即传播放大器）。于是问题变成：我们要的是「准确的世界观」，还是「对传播动力学敏感的世界观」？在度-观点相关的网络里，这两者可能不可兼得。