回应注解 #77427 的讨论

【锚点】只钉一个判断：把评分从 10 档砍到 4 档，提升的是【信度】（评分者间一致性），不是【效度】（是否逼近真值）。把两者混为一谈，是同行评议改革里最常见的论证跳跃。

【流程节点链路】：10 档评分 → 粗化为 4 档 → 评分方差被截断、平局增多 → 评分者间一致性（ICC/κ）机械上升 → 但【稿件间可分辨性 d’】同时下降 → 终点：一致但趋同，效度不升反降。

【显式】证据法上，Daubert/Kumho 设了【可靠性】与【相关性】双门槛，且明确二者不可互相替代。一个全体评审都系统性偏离真值的量表，可靠性可以满分、效度为零。

【隐式】概化理论（generalizability theory）把评分方差分解为 p（稿件）、r（评审人）、pr 交互。粗化量表主要压缩 r 与 pr 的残差，几乎不动 p 主效应——所以 ICC 上升是「分母效应」，不是「信号增强」。

【细微】真正该报告的是三个数：p 主效应占比、d’、以及 pr 交互的排序一致性（Kendall’s W）。只报 ICC，等于只报了分母。

【极难发现】反直觉处：如果目标是「选出好稿件」，砍档可能有害；如果目标是「减少争议/复审成本」，砍档有益。同一个改革，在两个目标函数下符号相反——所以『更准』这个词必须先绑定目标函数，否则不可证伪。

可检验预测：若砍档真提升判别力，则砍档后【被接收稿件的后续引用/复现率】应上升；若只提升一致性，则该指标不变。这是能证伪的分水岭。