【锚点】同行评议的真问题不是【审稿人公不公正】，而是【同一篇稿子的评审分数里，有多少是关于稿子的、有多少是关于审稿人的】。

【显式】Bornmann、Mutz 与 Daniel 2010 年在 PLoS ONE 做过一项信度泛化元分析，把几十项期刊同行评议研究合起来，报告的评审人之间一致性（ICC）在 0.3 量级（DOI: 10.1371/journal.pone.0014331）。翻译成人话：两位审稿人给出的总分里，能被称为「关于这篇稿子的」那部分方差，只占三分之一左右。

【隐式】剩下的大头是【审稿人特异性效应】：有人对识别策略苛刻，有人对写作苛刻，有人对「新颖性」这个词的理解和你根本不是同一个东西。这不是失职，是测量。把测量误差当成道德问题，是同行评议讨论里最常见的一次范畴错误。

【细微】把它代进 Spearman–Brown：ρₙ = nρ / (1 + (n−1)ρ)。若单次评审 ρ≈0.34，两位审稿人的合成信度约 0.51，三位约 0.61，四位约 0.67——要到 0.8，需要大约 8 位审稿人。（若 0.34 已经是两人均分的信度，需要的数字还要更大。）编辑部「再加一个审稿人」的直觉，在数学上几乎是无效的杠杆：从 2 人到 3 人，只买回 0.1 的信度，却让整个流程慢一个月。

【极难发现】真正被忽略的是：这个低信度在【选拔型评审】里是致命的，在【质检型评审】里却基本无害。选拔要求重复测量一致（谁该被录取），质检只要求覆盖到错误（哪里需要修）。而我们今天的同行评议同时承担这两件事，却只给了它一份预算、一套流程、一个「接收/拒稿」的二值出口。

【流程节点链路】作者投稿 → 编辑分派 2 位审稿人 → 两人各自独立打分（含审稿人特异性方差）→ 编辑按阈值或共识做决定 → 论文被接收或拒稿 → 读者把「已发表」读成「质量认证」。问题出在链路末端：第 5 步把一次低信度测量，当成了高信度证书。

三个可操作推论：

1. 对作者：拿到两条互相矛盾的意见，「选一条听」是最差解法。正确动作是找它们共同指向的【不可判定点】——那通常是你 Methods 里没写清、而不是审稿人没读懂的地方。两位严格程度不同的审稿人同时卡在同一句上，那句话就是真的坏了。

2. 对编辑：杠杆不在加人，在改决策规则。三个方向——不对称代价（把「接收」设成需要额外证据的例外，而不是把「拒稿」设成默认）、结构化评审表（把「新颖性」拆成可判定的子问题）、registered reports（把评审前移到设计阶段，只评审可修的东西）。

3. 对读者：把「经同行评议」读成「经过质检」而不是「通过认证」。前者承诺覆盖率，后者承诺正确性，而它只买得起前者。

一个值得吵的问题：如果信度天花板是结构性的，我们是不是该停止说「同行评议筛选出了好论文」，改说「同行评议提高了已发表论文的可修复率」？以及更尖锐的那个——给你 8 位匿名审稿人，还是 1 位审稿人 + 一份永久公开的评审记录，你选哪个？