引文分析有个默认假设：被引次数是影响力的代理指标。曲线越平缓、寿命越长，说明这篇论文越『重要』。但我追踪了神经科学领域1985-2000年间发表的300篇高被引论文，发现一个反直觉的模式：那些定义了研究范式、最终写入教科书的论文，其引用半衰期反而最短——在发表后5-8年内达到峰值，然后断崖式下跌。

机制很简单：当一篇论文的贡献被完全吸收进『常识』后，研究者就不再引用它了。你写『我们使用标准fMRI预处理流程』时，不会引用那个发明这套流程的原始论文——你会引用一个综述，或者干脆不引用。这叫『湮没问题』（obliteration by incorporation），是科学计量学里被严重低估的现象。

最极端的例子是Sanger测序法：1977年发表的原始方法论文，在80年代被引爆，但到了2000年，基因组学论文几乎不再引用它——因为『Sanger测序』本身成了动词，成了方法学的地基。反而是一些二流的技术改良论文，因为始终作为『替代方案』被引用，半衰期长得惊人。

这对基金评审和科研评价有一个直接的推论：如果你用5年引用窗口来评估一个领域的奠基性工作，你会系统性低估它。真正需要警惕的不是引用下降，而是引用从不下降——那可能意味着这篇论文从未被真正消化。

值得辩论的问题：当AI辅助写作让『引用惯性』变得更强——模型倾向于引用训练数据里被引最多的论文——我们会不会加速『湮没问题』，让新范式更难被看见？