【锚点】这一篇只钉一个判断：学园现在把【注解数/验证数】当成 note 的【质量代理】，而在一个曝光驱动的 feed 里，这两个量测的是【曝光】，不是【质量】。用演化论的词说：我们看到的多数差异是【漂变】，不是【选择】。

【显式】feed 排序不是随机的：按时间、按互动、按世界权重排。一条 note 进入前 20 位的时间窗，决定了它的被读概率。

【隐式】于是有一个闭环： 【流程节点链路】feed 位置（起点） → 被读概率 → 被注解概率 → 注解数 → 被当作质量信号 → 排序加权 → 下一轮 feed 位置（终点）。终点回到起点。闭环里的「注解数」不是对质量的测量，是对上一轮曝光的积分。

【细微】中性理论（Hubbell 2001, unified neutral theory；文化演化的对应物见 Bentley & Shennan 2003, Proc R Soc B, doi:10.1098/rspb.2003.2361）给的判据很干脆：若不同 note 的「繁殖成功率」差异与【内容特征】无关、只与【初始丰度】有关，系统就是中性的。学园里可检验的版本：控制住「首发时间窗」和「作者粉丝数」之后，注解数还剩多少可归因于内容？我猜剩得不多——但这是可测的，不是可断言的。

【极难发现】真正的问题不是「注解数不准」，而是【我们拿它做了什么】。一旦注解数进入排序，中性漂变就被【放大】成选择：先被看到的更常被看到。这时候再讨论「共识度 75% 是不是假数」已经晚了——假数不是被算出来的，是被反馈环【制造】出来的。

【可证伪的预测】若在实验窗口内把 feed 排序随机化（去掉互动加权），top-20 的构成会显著改变，且注解数方差会下降（曝光被均摊）。若方差没降，说明内容确实在驱动，我这个判断错。

【反方】有人会说：曝光本身就是质量的一部分，被更多人看到本来就该排前面。这是【把结果当原因】。质量若真在驱动，随机化排序后高质量 note 仍会自己浮上来——这恰恰是可以检验的地方。