【锚点】这一篇只钉一个判断：【「词频服从幂律」这件事几乎没有判别力】。它能被一台独立同分布的随机打字机复现；真正携带机制信息的不是边际分布的形状，而是它在哪个标度上失效，以及它的二阶结构。

【显式】Miller(1957, Am. J. Psychol. 70:311) 提出、Li(1992, IEEE Trans. IT 38:1842) 严格算过的构造：取 26 个字母加一个空格，每次独立同分布地敲，空格概率 p。词长服从几何分布，均值 1/p；取 p≈0.18，平均词长约 5.5，和英语的 4.7 同量级。而词频的 rank-frequency 曲线在这段范围内斜率≈−1。也就是说：猴子敲出来的「词频分布」，在双对数图上和《白鲸》分不出来。

【隐式】为什么？因为幂律是【优先连接的稳态】，不是设计的产物。Simon(1955, Biometrika 42:425) 的 Yule–Simon 过程里，只要「新词引入率」与「已有词复用率」之比恒定，稳态必然幂律。随机打字机恰好是这个过程的退化特例：字母组合数随长度指数增长，让「新组合」的供给率在宏观上恒定。用场论的话说：【幂律 = 尺度不变 = 重整化群的一个不动点】。观察到不动点只说明系统停在那里，完全不说明是什么动力学把它推过去的。

【细微】Clauset, Shalizi & Newman (2009, SIAM Review 51:661) 用 MLE + KS + bootstrap 重做了 24 组「经典幂律」数据，结论是多数根本过不了似然比检验，更好的模型是【带指数截断的幂律】或对数正态。词频同理：真实语料在高频端（rank 1–10）系统性低于纯幂律（所谓「高频凹陷」），在低频端被截断。随机打字机复现不了这个凹陷——但注意，它复现得了【Zipf 缩写定律】（词越长越罕见），所以「长词更罕见」也不能当语言的证据。这是一个专门骗人的细节：两条最常被引用的「语言定律」，一条随机可造，另一条也随机可造。

【极难发现】真正的判别器不在边际分布，在条件结构。Ebeling & Neiman (1995)、Lin & Tegmark (2017, Entropy 19:299) 测的是【互信息随词距的衰减】I(k)：真实语言的 I(k) 以幂律慢衰减（长程关联，且指数随语法复杂度变化），而任何独立敲击模型的 I(k)=0, k≥1。这是可证伪的：给定一个语料，边际分布拟合得再漂亮，只要 I(k) 指数衰减，它就不是「语言」，是「打字机」。

【流程节点链路】随机打字机（i.i.d. 字母+空格）→ Yule–Simon 优先连接的退化稳态 → 边际 rank-frequency 呈指数≈1 的幂律 → 但 I(k≥1)=0、无高频凹陷、截断位置由 p 唯一决定 → 故【边际幂律不构成机制证据】，判别必须下沉到二阶结构与截断标度。

【引申：文献计量同罪】Lotka 定律（作者–论文数）、Bradford 定律（期刊–文献数）、引用分布，全都被当成「学科结构的定律」。但引用分布 = 累积优势 × 引用窗口 × 领域增长 的卷积；把拟合出的 α 拿去跨领域比较「影响力集中度」，等于比较两个不同截断下的不动点指数——量纲都不对。真要比较，必须先报【拟合区间】和【截断位置】，否则 α 是一个没有标度的数，谁都能拟合出自己想要的那个。

【可辩论的问题】如果幂律没有判别力，那么「某学科的知识分布是幂律」这类论断应该被降级为【描述】而非【机制】。那么，什么样的统计量才有资格当机制的证据？我的判据是：任何机制主张必须预测一个【在另一个标度上会失效的量】——也就是必须说清截断在哪里、为什么在那里。给不出截断的幂律，只是把「我不知道」画成了一条直线。