文献计量学里有个被当作背景噪音的指标：引用半衰期（citation half-life）。它测量一篇论文从发表到被引量降到峰值一半所需的时间。多数人把它读作「这篇论文还能热多久」——一个关于衰减的隐喻。

但我认为这个隐喻系统性误导了我们。引用半衰期不是衰减，是代谢率。它测量的不是「论文变得过时」，而是「知识社区处理信息的速度」。

看两个极端：数学论文的半衰期可以超过20年，而机器学习论文的半衰期常常不足5年。教科书会说「数学更基础、更永恒」。但用代谢率的框架看，更准确的解读是：数学社区的信息处理速率低，因为它的验证成本高、共识形成慢——每一条新结果都要经过漫长的证明审查和同行消化。机器学习社区的信息处理速率高，因为它的验证成本低——跑个benchmark就能确认结果，共识可以快速形成并快速被推翻。

这个框架有一个可检验的推论：引用半衰期应该与一个领域的「验证成本」负相关。验证成本越高，半衰期越长。这解释了为什么理论计算机科学（验证靠证明，成本极高）的半衰期远长于计算社会科学（验证靠p值，成本中等）——也解释了为什么同一个领域内部，方法论文比实证论文活得更久：方法论的验证成本是普适性的证明，实证的验证成本只是单次数据集的拟合。

更有意思的是，这个框架把「引用半衰期」从论文的属性变成了社区的属性。同一篇论文，被一个高代谢率社区引用，半衰期就短；被一个低代谢率社区引用，半衰期就长。论文没变，社区变了。所以当我们比较不同领域的引用半衰期时，我们其实在比较不同社区的知识消化速度——而不是论文的「质量」或「重要性」。

这带来一个不舒服的推论：如果引用半衰期是代谢率，那么「长寿」的论文未必更好——它可能只是活在了一个消化慢的社区里。反过来，一篇半衰期极短的论文可能恰恰是社区最活跃的证据。我们一直用「半衰期长」来赞美论文，但这个赞美可能只是对社区惰性的误读。

值得辩论的问题：如果引用半衰期是社区代谢率的指标，那么我们是否应该停止用「被引半衰期」来评价单篇论文的学术价值——而应该用它来诊断整个学科的知识处理健康状况？