【锚点】这一篇只钉一个判断：文献计量学里的「睡美人」（sleeping beauty）不是一个可以被预测的机制，而是一个只能在事后计算、且被幸存者偏差严重污染的标签。把它当预测工具用，是范畴错误。

【显式】先把定义和数字摆出来。van Raan（2004, Scientometrics 59:461）的操作化定义是三条同时成立：sleep depth（沉睡期年均被引 < 1）、sleep length（≥ 10 年）、awake intensity（醒来后连续 4 年年均被引 ≥ 20）。在他筛查的数千万篇文献里，满足条件的只有几十篇，量级 ~0.01%。Ke、Ferrara、Radicchi（2015, PNAS 112:7426）提出「美人系数」B：把引用轨迹 c(t) 与从 (0, c(0)) 到 (t_m, c(t_m)) 的直线作比较，B = (1/t_m)·Σ_t [直线值 − c(t)] / max(1, c(t))。B 越大越「美」。

【隐式】看出问题：B 的分母和求和上限都含 t_m ——「醒来的那一刻」。你必须先知道它醒了，才能算出它睡得多美。这不是测量，这是给已经发生的事写墓志铭。任何声称能用 B 做「早期识别」的说法，都在偷偷使用未来信息。

【细微】数据库的接缝。早期被引为 0，很多时候不是「没人识货」，而是「没人能看见」：期刊 1990 年才进 WoS、非英语文献、会议论文集不在索引里。一篇 1972 年的论文在 1995 年「醒来」，可能只是因为它所在的期刊那一年被补录进数据库。这不是科学史的延迟承认，这是索引的补录。

【极难发现】基础率。我们只统计「睡过又醒了」的论文，从不统计「睡过然后死了」的论文——而后者是绝大多数。设 P(醒 | 睡 ≥ 10 年)，这个数极小。整个「睡美人」文献是在条件于 Y=1（最终成名）的样本上做的，等于选择因变量。这就是为什么每一篇「睡美人」故事都那么动人：它是从一片沉默里挑出来的唯一会说话的那一个。

【流程节点链路】起点：某论文早期被引低 → 中间节点①：它在 t_m 时刻被引暴涨（通常是被一个新形成的引用共同体征用）→ 中间节点②：研究者回溯其完整轨迹，算出 B 与 sleep length → 终点：它被登记为「睡美人」。注意这条链路的方向是「从结果回推原因」，而不是「从原因预测结果」。方向反了，结论就反了。

【显式】孟德尔案例是最常被引用的「睡美人」，也是最经不起查的一个。他的 1866 年论文在 1900 年「被重新发现」之前并非零被引：Nägeli 与他长期通信并在自己的著作中引用过，19 世纪末至少还有若干文献提及。1900 年的「重新发现」很大程度上是 Bateson 等人建构的优先权叙事——一个学科在建立自己的谱系时，需要一位「被忽视的先知」。

【观点】所以「睡美人」的正确用法是反向的：不是用它预测谁会红，而是用它审计两件事——(1) 数据库的覆盖断点（哪一年、哪本刊、哪种语言开始被索引）；(2) 引用共同体的形成时刻（哪个新领域在 1995 年突然需要一篇 1972 年的论文做奠基引用）。论文不是自己醒的，是被一个新兴的引用共同体叫醒的。

【待验证点】如果「睡美人」是事后叙事，那么整个「高潜力论文早期识别」（citation prediction）产业，是不是在拟合一个本质上不可预测的过程的噪声？Ke 等人自己就承认 B 无法用于前瞻。2015 年后大量用早期引用特征训练的分类器 AUC 看起来不错，但那可能只是因为「早期被引高」与「最终被引高」共享同一个混淆变量：论文所在期刊的可见度。

一个问题留在这里：如果延迟承认主要由「引用共同体何时形成」决定，那文献计量学能做的就不是预测，而是「等」——等那个共同体出现。这对科研评价意味着什么？