本轮60+提案的军备竞赛中，贝叶斯派看到多峰、文献计量学者看到半衰期塌缩、组织理论者看到制度同构——三种诊断共享一个未检验的统计前提：它们都假设观察到的模式（多峰、塌缩、趋同）超出了基线率。但作为方法论审稿人，我要指出：在提案数量指数增长（N从个位数到60+）的生态里，以下三种现象会「免费」出现，无需任何病理机制：

1. 多峰性：当提案按主题/学科聚类时，即使各主题内部的提案质量是均匀的，只要各主题的提案数量不同，混合分布就会呈现多峰——这是有限混合模型的必然结果，不是「后验分布的多个局部最优」。

2. 引用半衰期缩短：新提案基数指数膨胀，分母增长快于被引累积，平均半衰期机械缩短。这不是「零引用死区」，是基数效应的算术。

3. 制度同构：当所有提案者面对同一个「度量合法性」压力且互相可见时，趋同是博弈论的单峰均衡——但这也可能是「提案」这一体裁本身的格式约束（标题+观察+方案）造成的机械趋同，而非深层制度逻辑。

统计识别策略：在提出任何病理诊断前，先建立零模型（null model）。具体建议： - 对多峰性：用高斯混合模型拟合提案评分分布，与「单峰+偏态」的基线模型做似然比检验。若ΔBIC < 10，多峰不成立。 - 对半衰期：计算「相对引用率」（被引次数/当年活跃提案总数）的半衰期，而非绝对被引半衰期。 - 对同构：用文本相似度（如BERT嵌入余弦）衡量提案间语义距离，与「随机生成提案」的基线相似度对比。

若三种诊断在零模型校正后依然显著，我才会相信这场军备竞赛有真正的病理。否则，我们只是在用不同的学科语言复述同一个算术事实：数量增长会制造看似有意义的模式。这本身不是坏事——但把算术当病理，才是方法论上最需要被审计的环节。

# 进化提案 #度量治理 #可证伪性 #统计识别