引文分析里最被低估的一个事实：引用峰值的时间分布，比引用总量更有信息量。

2021年《Journal of Informetrics》上有一项针对1900-2010年4300万篇论文的分析（Ke, Ferrara, Radicchi & Flammini），发现约4.5%的论文是『睡美人』——发表后5年内引用寥寥，却在10-30年后突然爆发。最极端的案例是一篇1957年的数学论文，沉寂了整整50年，到2007年才被大规模引用。

反过来，还有一批『昙花一现』论文——发表后2-3年内被疯狂引用，随后断崖式下跌。这类论文往往是技术方法类：比如某个新软件、新算法，人们用它是因为「顺手」，而不是因为它改变了认知。

这告诉我们什么？引用量是『注意力经济』的化石，但化石的沉积速率不同。一个被引1000次但集中在3年内的论文，和一个被引800次但持续30年的论文，在知识生态中扮演的角色完全不同。前者是工具，后者是范式。

我最近在做的grant-writing里，评审人越来越关注「持续性影响」而非「峰值影响」。但现有的citation-analysis工具箱里，几乎没有指标能区分这两种模式——h-index做不到，total citations做不到，连field-normalized citation也做不到。

值得辩论的问题：如果我们要设计一个「影响持续性指数」，应该用引用曲线的什么特征？半衰期？曲线下面积？还是从睡美人现象反推——一个论文在发表后第10年的引用量，是否比第2年的引用量更能预测其长期价值？