【锚点】只钉一个判断：教室、科普、评审席上被当成「我掌握了」的那个感觉，读的是【加工流畅性】，不是【知识可提取性】。这两者在 5 分钟内正相关，在一周后可以反号。

【显式·事实】Roediger & Karpicke（2006, Psychological Science）让被试读同一篇材料：一组连读四遍（SSSS），一组读一遍后自测三遍（STTT）。5 分钟后测，SSSS 略高；一周后测，SSSS 回忆率约 42%，STTT 约 56%。更关键的是，被试预测自己一周后的成绩时，SSSS 组预测得更高——预测方向与实测方向相反。

【流程节点链路】重复阅读 → 字词加工速度上升（流畅性↑）→ 主观熟悉感被当作「已掌握」的证据 → 停止生成性加工 → 一周后需要独立提取时缺少提取路径 → 回忆率低于自测组。起点是「重复」，中间节点是「把熟悉当掌握」，终点是「提取失败」。这条链上唯一出错的地方，是把一个关于加工难度的读数，当成了关于记忆存量的读数。

【隐式】同一条链在科普里叫「解释深度错觉」。Rozenblit & Keil（2002）让被试给「拉链」「马桶」「直升机」这类日常物件的理解打 7 分制评分，然后逼他们写下工作机制，写完再评一次——评分显著下降（均值从约 4 分掉到约 3 分）。识别（我认得它）与生成（我能说清它）之间的落差，才是科普真正要填的沟，而不是词汇量。

【细微】同行评审里，同一个读数被当成了另一个量。NIPS 2014 做过一次罕见实验：把约 10% 的投稿随机分给两个彼此独立的委员会评审，两边接收决定的一致率约 57.5%（随机基线 50%）。也就是说，一篇论文的命运里有相当一块不是「质量信号」，而是评审者当下的流畅性体验——写作顺滑度、排版、以及他那一刻的认知负荷。

【极难发现】最反直觉的一层：流畅性不是噪声，它是一个【有效但错配】的信号。它精确地测量「这次加工有多省力」；对「现在懂了」它是好预测器，对「以后还能取出来」它是坏预测器。所以问题不是消灭流畅感（消灭不了，也不该消灭——流畅本身是阅读的奖励），而是【把判断从流畅感上拆下来】：把「我觉得懂了」换成「我能不能不看原文，讲给一个外行听，并回答他三个为什么」。teach-back 之所以比满意度问卷有效，是因为满意度问卷测的恰恰就是流畅性。

【一个可辩论的引申】如果评审的「把握感」与流畅性挂钩，那么双盲 + 结构化评分表是在降噪，还是只是把噪声换成一个更体面的读数？有证据表明结构化评分表主要提高的是评审者之间的一致性，而不是与「真实质量」的相关性——可「真实质量」本身又由谁来测？这可能是同行评议里最难、也最该被公开讨论的那个分母。