第九章　加码对把人分开的贡献是零

点次：做一件对目标贡献为零的事，永远做不完

摘要

内卷的持续加码通常被归给参与者的选择或制度的僵硬。本章给出一条力学解释：加码对”把人分开”这件事的边际贡献是零，而体系需要的恰恰是把人分开；做一件对目标贡献为零的事，永远做不完。三门学问给出互不相容的单因主张与各自的推翻材料：物理学（计量规范要求结果由测得值与不确定度共同构成，只有点值的报告不成其为结果）、心理学（韦伯定律使可分辨所需的绝对差异正比于基准）、法学（举证责任与疑罪从无，是唯一明文规定”分辨不出来时结果归谁”的学问）。三门共同站着而从未说出的一句是：排序必须产出，且产出的排序不带不确定度。据此命名点次——由有限分辨力的装置产出、被当作真实次序使用、不确定区间宽于名次间距、而在任何记录上都不带这个区间的名次；读数为可分辨段数 g 与分辨粒度 γ = g/n。两条预注册真跑：三份公开数据上的二十候选榜给出高分半区的 γ 只有低分半区的三分之一到四分之一，两份数据的第一名在独立重复下都换了人（全榜秩相关 0.96 以上，前五名仅 0.20 与 0.70）；三千轮的最小模型给出一个精确结果：在韦伯阈下，加码组与不加码组的 γ 路径最大差为 0.000000，水平涨了 1,182 倍而可分辨性分毫未变。七条假设判伪三条，其中”不可分辨是本质的”被直接推翻——观测量提高四倍，分辨粒度上升 0.10 到 0.20。

关键词：点次；分辨粒度；断带；韦伯阈；名次的不确定度；尺度不变

Point Ranks: Why Involution Does Not Converge — Escalation Contributes Exactly Nothing to Telling People Apart

Abstract. Escalation in involution is usually attributed to participants’ choices or institutional rigidity. This paper offers a mechanical account: escalation contributes nothing at the margin to the one thing the system needs—separating people; a task whose marginal contribution to the goal is zero can never be completed. Three disciplines supply mutually exclusive single-cause claims and their own refuting material: physics (international metrological convention requires a result to comprise a value and an uncertainty; a bare point value is not a result), psychology (Weber’s law makes the just-noticeable difference proportional to baseline magnitude; signal detection theory shows discriminability is not a property of the difference alone), and law (burden of proof and in dubio pro reo—the only discipline with an explicit rule for who loses when the evidence cannot separate). Their shared unstated premise: an ordering must be produced, and the ordering produced carries no uncertainty. The paper names the resulting object the point rank, read by the count of distinguishable segments g and the granularity γ = g/n. Two preregistered runs: on three real public datasets a twenty-candidate leaderboard yields γ of 0.100–0.400, with the top half showing only a third to a quarter of the bottom half’s granularity, and first place changing under independent replication; a minimal model yields an exact result—under a Weber threshold the escalating and non-escalating arms have γ paths differing by 0.000000, while absolute level rises 1,182-fold. Three of seven hypotheses were falsified.

Keywords: point rank; discrimination granularity; segment breaks; Weber threshold; rank uncertainty; scale invariance

引言：一个从来不带误差棒的数

先看一件所有人都见过、而几乎没有人觉得奇怪的事。

任何一次正经的测量，报告出来的都是两样东西：一个值，和一个区间。体温三十七点二度，仪器说明书上写着 ±0.1；一次称重、一次滴定、一次天文观测，报告里必有不确定度。这不是谨慎，是规矩——国际计量规范把它写死了：一个只有数值而没有不确定度的报告，不成其为测量结果。

现在看另一件事。你考了第三十七名。绩效排在第二档。这家医院在榜上第十四位。这个模型在排行榜上第三。

这些数，一个都不带区间。

没有任何一份成绩单会写”第三十七名 ± 十二名”，没有任何一份榜单会写”第十四位，与第九到第二十位不可分辨”。名次是这个世界上使用最广、后果最重、而唯一从不报告不确定度的数。

这件事之所以从来不被追问，是因为它看上去不需要追问：名次不是测出来的，是排出来的——把分数从高到低摆一遍，谁在前谁在后一目了然，哪来的误差？

这个回答成立的前提是：分数本身没有误差。 而分数当然有误差。同一份卷子换一个阅卷人、同一个模型换一次数据划分、同一位医生换一天读片、同一支队伍换一场比赛，得出的数都不一样。一旦分数有误差，由分数排出来的名次就有误差；而当相邻两个人的分数之差小于这个误差时，他们之间的先后就是掷硬币的结果，只是这枚硬币掷完之后，结果被写进了一个不带任何标记的数里。

本章要说的事从这里开始，而它比”名次不准”要硬得多。真正的判断是这一条：

内卷不收敛，不是因为参与者不肯停，也不是因为门槛降不下来或项目撤不掉。是因为加码这个动作，对”把人分开”这件事的贡献恒为零——它改变的是量级，不是可分辨性；而体系需要的恰恰是可分辨性。一件对目标贡献为零的事，做多少都不够，因此永远做不完。

这句话里”恒为零”不是修辞。第十一节给出一个可复算的对照：在一个按比例度量差异的体系里，让所有人一起加码，与所有人都不加码，可分辨性的路径完全重合，最大差为零——而加码那一组的绝对水平涨了一千一百八十二倍。

为什么”按比例度量差异”这个前提站得住，第二节第二段交给心理学：这是一百九十年前就被写下来的韦伯定律，可分辨所需的绝对差异正比于基准强度。基准涨十倍，要被看出来的差距也得涨十倍。于是所有人一起涨十倍，谁也没有变得更好分辨。

这条判断与前面两种读法都不冲突，也都不重合。有人从门槛的高度去看，问那条线为什么降不下来；有人从判据的项数去看，问那份清单为什么短不了。本章问的是第三样：那把用来分人的尺子，刻度够不够细。 三个问题可以同时有答案，第十四节给出它们各自的判定。

后文的走法：先让三门互不通气的学问各自把单因主张说完（第二节），看它们在哪里不能并存（第三节），逼出它们共同站着的那一句（第四节），用其中一门自己的规范把它推翻（第五节）；然后命名（第六节）、给一个能把名次切开的装置（第七节）、写死清点规则（第八节）；再报告两条预注册真跑与判伪（第九、十、十一节）；其后是判据与五个场景、轮次、与十四种既有说法的分界、本书其余各章兄弟篇的分界、边界、证伪、反噬与伦理、自反，以及末尾的赌注与三个洞。

三把尺子，三种单因主张

物理学：一个结果由两部分组成

第一门是物理学，取测量这一支。

它的主张是彻底的单因：一个量的测得值，完全由被测量与测量装置的相互作用决定。 观察者想得到什么、结果将被拿去做什么，都不进入这个过程。这是物理学能够成为一门可累积的学问的全部基础。

动力式写成一句：测量的路径（溯源链、校准的次序）与它所处的环境条件（温度、振动、噪声本底）不容，于是测得值呈现出来的形态改变——读数的分布变宽或变窄，有效位数变多或变少。

回写这一步要看清楚。测得值的分布一旦改变，回过头改两样：一是校准链（发现某一环节贡献了主要的分散，就去改那一环），二是噪声本底的评估（本底重估之后，先前的一批结果要重新解释）。改完之后，下一轮最先动的既不是被测量也不是仪器，而是不确定度预算——那张列着每一项误差来源及其贡献的表。

这门学问自曝的那一处，是本章的推翻材料主件，而且它不是一条边角材料，是这门学问对外的正式规范：测量结果必须由测得值与不确定度共同构成。 国际通行的测量不确定度表述指南把这一条立为基本要求，各国计量院的证书、各种校准报告、任何一篇正经的实验论文，报数必报区间。

更要紧的是，物理学还专门区分了两个最容易被混同的概念：分辨力（仪器能够显示的最小刻度）与不确定度（结果的可信区间）。规范里明确警告：不能把分辨力当作不确定度——一台能显示到小数点后四位的仪器，它的结果未必可信到第四位。一个显示器上有四位数字，不等于这四位都在说话。

物理学是三门里唯一一门，把”报一个不带区间的数”明文定为不合格的。

心理学：可分辨的最小差异正比于基准

第二门是心理学，取心理物理学与判断这一支。

它的主张同样单因，方向完全不同：两个刺激能否被分辨，完全由它们的差异与基准强度之比决定。 韦伯在一八三〇年代提出、费希纳在一八六〇年写进《心理物理学纲要》的那条关系，形式极简：ΔI / I = k。要察觉一个差异，这个差异必须达到基准强度的某个固定比例，而不是某个固定的绝对量。

手里托着一百克，加两克你察觉不到；托着一千克，加二十克你才勉强察觉。你的分辨能力没有变差，是要被分辨的东西按比例地变贵了。

动力式：当下呈现的刺激与观察者所处的条件场（适应水平、上下文、前后比较的对象）不容，于是判断的组织方式改变——判据移动、策略更换、参照点重设。

回写：判断方式一改，回过头改两样。一是感受性本身（长时间处在某个强度上，感受性会漂移），二是刺激环境的意义——赫尔森的适应水平理论说得很清楚：判断的中性点会随着刺激分布一起移动，昨天的”很亮”变成今天的”一般”。改完之后，下一轮最先动的是适应水平。

这门学问自曝的那一处同样有用，而且它推翻的是自己前半段的确定性：信号检测论。格林与斯韦茨一九六六年那本书把”能不能分辨”拆成两个互相独立的量——d′ 是真实的可分辨程度，β 是观察者的判据松紧。同一对差异，判据一变，判出来的结果就变：判据放松，更多的差异被判为”有差别”，代价是更多的虚报；判据收紧，虚报少了，漏判多了。

于是”分辨出来了”不是差异的属性，它是差异与判据合起来的产物。 而任何一份排行榜，只报结果，不报判据。

法学：分辨不出来的时候，结果归谁

第三门是法学。

它的主张是彻底的程序主义：一个争议的结局，完全由举证责任的分配决定。 事实到底如何、证据多寡，都是被这条分配决定的——罗森贝克的规范说把它写成一句可以直接适用的规则：主张有利于己之法律要件者，就该要件事实负证明责任；证明不能时，该要件视为不存在。

动力式：案件呈现出来的事实样态，与形成它的程序路径不容，于是裁判赖以进行的条件场改变——证明标准被调整、推定规则被设立、举证责任被倒置。

回写：条件场一改，回过头改两样。一是事实样态（哪些事情还需要被证明，哪些可以直接推定），二是当事人的程序路径（该往哪里使力）。改完之后，下一轮最先动的是举证责任的分配规则。

这门学问自曝的那一处，是本章最看重的一件材料，而且它出人意料地正面：法学明文规定了”分辨不出来时怎么办”。

刑事上是疑罪从无：证据不足以排除合理怀疑，判无罪——不是判”可能有罪”，不是判”有百分之六十的罪”，是判无罪。民事上是举证责任：证明不能的后果归于主张方。这两条规则处理的正是”两种可能性分不开”这个状态，而且它们的处理方式不是强行分开，是把不可分辨本身作为一个已完成的结论，并明确指定谁承受它。

在这三门学问里，只有法学承认”分不开”可以是一个终局答案。

这门学问的第二处自曝方向相反，也必须写出来：既判力。判决一旦确定，即使日后发现当时分辨错了，原则上也不得再争。分辨的不确定度在程序上被消灭掉了——它不是被解决，是被封存。

它们对同一件事给出不能并存的判断

三门不是分工，它们对同一件事给出不能同时为真的判断。

物理学与心理学，顶在”可分辨性长在哪里”上。 物理学的立场是：可分辨性是被测量与装置共同的客观性质，把装置的每一项误差来源列进不确定度预算，就穷尽了它。心理学的信号检测论说不是：同一对差异、同一套装置，把判据挪一挪，判出来的结果就不同，而判据不在误差预算的任何一栏里。一家说分辨力在装置里，一家说有一半在判据里，而判据不属于装置。

心理学与法学，顶在”分不开是一个空缺还是一个结论”上。 心理学面对分不开的情形，报告的是”差异不显著”——这是一个描述性的状态，意思是”目前的数据还不足以说什么”，它期待更多数据。法学面对同样的情形，给出的是一个规范性的终局结论：主张方败诉。一家把不可分辨当作一个待补的空缺，一家把它当作一个已完成的判决。 这两种态度不能同时是关于同一类情形的正确处理。

物理学与法学，顶在”结果封不封口”上。 物理学的结果永远开放：任何一个测量值都可以被更好的测量修正，历史上的基本常数一次次被改写，这是这门学问的骄傲。法学的既判力恰恰相反：到点封口，禁止再争，这也是那门学问的骄傲——因为不封口就没有安定。一家说结果永远可被修正，一家说结果必须到点即封。

还有一处更值钱的顶撞，形状是”甲的日课正是乙的病理”：法学每天在做的事——在证据不足以分辨时，依举证责任规则给出一个确定的判决——正是物理学明文禁止的那件事。 在法学内部，这是程序理性的最高成就：它用一条事先约定的规则，把不确定度转化成一个确定的、可执行的结论。在物理学看来，这是把一个区间偷偷换成了一个点，而且换掉之后不留任何痕迹——按计量规范，这样的报告不合格。

两门学问，对同一个动作，一门当作制度文明的标志，一门当作不能接受的错误。

被三门一致跳过的那一句

三门争的是“分辨不出来的时候，结果该由什么来定”。物理学说由不确定度预算来定（把区间报出来），心理学说由 d′ 与判据共同来定（报告显著与否），法学说由举证责任的分配来定（指定谁承受）。

它们打得很凶，可是有一句话，念给三门听，三门都会说”这还用说吗”：

排序必须产出，而且产出的排序不带不确定度。

物理学再怎么强调报区间，一旦把仪器拿去做比对排名，报出来的也是”第一名第二名”，不是”第一到第四不可分辨”。心理学的实验报告里满是置信区间，而一旦要给被试分组、给量表定常模、给期刊排影响因子，出来的还是一个个确定的位次。法学的判决书从不写”本院认为被告的过错程度排在同类案件的第 37 百分位 ± 12”。

三门在报数上态度各异，在排序上出奇一致：名次是一个点，不是一个区间。

这条假定底下还压着一层更深的。要把它逼出来，得逐个去问那些最像本章的既有说法，它们结构性地看不见什么——判据只有一条：一旦承认那样东西，它自己就塌。

锦标赛理论把排名当作给定的、无误差的映射，因此看不见”名次带着比名次间距更宽的区间”。一旦承认，最优努力水平的推导就没有了对象——努力提高的是一个落在噪声里的位次。

绩效评价与考核研究把评分当作对能力的测量，因此看不见”评分的区间宽于评分的间距”。一旦承认，按评分排序再据以奖惩这套做法的全部管理用途消失。

信号理论把信号当作可被完美观测的，因此看不见分辨力下限。一旦承认，在下限之内不存在分离均衡，理论的核心结论只在下限之外成立。

选拔与竞赛研究把名次当作结果变量，因此看不见”谁赢了”这个问题在分辨力之内不良定义。一旦承认，大量以名次为因变量的研究，其因变量本身是噪声的函数。

四条盲区背后是同一样被当作给定的东西：

凡是被判定出来的次序，都是真的次序。

正因为站在这块地基上，所有关于”怎么让竞争不那么惨烈”的讨论，都朝两个方向找：要么降低奖惩的落差，要么减少要比的项目。没有人去问那把尺子的刻度够不够细，因为按这块地基，排出来了就是分开了。

把它推翻的是计量规范本身

推翻共有前提的材料，必须是三门之一自己已经掌握、已经写成规范、只是从来不往这个方向用的东西。从外面搬一个理由来，得到的是第四家的立场，不是把争论取消掉。

本章用的是计量规范里的那条基本要求：测量结果由测得值与不确定度共同构成；只有点值的报告，不成其为结果。

请注意这条规范的强度。它不是一个建议、一个良好实践、一个审稿人的偏好，它是一门学问对”什么算一个结果”的定义。按这条定义，世界上每天产生的绝大多数名次，都不是结果——它们是一半的结果，是被砍掉区间的点值。

而物理学同时提供了第二件更锋利的东西：分辨力不等于不确定度。这条区分专门用来防一种错误——看到显示器上有四位数就相信四位都有意义。一份名单从第一名排到第两百名，就是一个有两百格刻度的显示器。 按物理学自己的规范，这两百格里有多少格在说话，是一个必须单独评估、单独报告的量；而没有任何一份名单报告过它。

于是共有前提破了，而且是被它自己的一家用自己的正式规范破的：“排出来了”不等于”分开了”。 一个排序可以在形式上完整无缺——每个人都有唯一的位次，没有并列，没有空缺——而在计量意义上，它的绝大部分位次不携带信息。

这条规范在物理学内部回答的是”实验室之间怎样才能互相比对”这个问题，与竞争、选拔、排名毫无关系。这正是它能用的原因：一件材料能推翻一个共有前提，通常不是因为它罕见，而是因为在它自己的领域里，它回答的是另一个问题。

另外两门各给同一件事一个版本，用来确认这不是物理学一家的洁癖。

心理学的版本：信号检测论证明，把判据收紧一点，同一份数据里”有差别”的判定就会变少。也就是说，一份排行榜上有多少个真断点，取决于排榜的人把判据定在哪里——而判据从不公布。

法学的版本最直白：法学专门为”分不开”准备了规则，说明这个状态是可以被承认、被制度化处理的。其他两门以及一切竞争体系的默认做法是：分不开也要给出一个确定的先后。 法学的存在证明这个默认不是必然的，它是一个选择。

点次：一个只有点、从不给区间的名次

现在可以给这类对象命名。

点次：一个由有限分辨力的装置产出、被当作真实次序使用、其不确定区间宽于名次间距、而在任何记录上都不携带这个区间的名次。

“点”取的是统计里”点估计”对”区间估计”的那个点——名次是这个世界上使用最广而唯一从不给区间的点估计。

四条限定，缺一条就不是它。

限定一：它是被产出并被使用的。 有人据它作出了不利安排——录取、淘汰、晋升、拨款。一个没有后果的排名不在讨论之列。

限定二：它的不确定区间宽于名次间距。 也就是说，相邻的两名之间分不开。这是可清点的：把同一把尺子重测一次，看这两个人的先后会不会翻过来。

限定三：这个区间是可测的。 用重测、双盲复评、平行装置、重复交叉验证，都能把它估出来。这一条很要紧——它把本章与”名次当然不完美”这类无法反驳因而也无用的感慨分开：本章说的是一个有数的量。

限定四：这个区间从不出现在任何记录上。 不是记为零，是不设字段。成绩单、榜单、评审表、判决书，全都没有这一栏。

必须正面回答一个反驳：这不就是”名次有误差”吗？谁不知道名次有误差。

回答分三层。第一层，“名次有误差”是一句无法被证伪的常识，它不带任何后果；点次带三个：它可清点（限定二给出了清点方法）、它可累加（第八节的 g 与 γ）、它给出一条与”加码有用”方向相反的预测（第十一节）。第二层，也是更要紧的：删掉这个读数之后，那一段名次不是变得难测，是不算一样东西。 所有现行的记录方式都只留一个位次的字段，没有区间的字段——它们不是把区间记为零，是根本没有这一栏。一个被所有记录方式一致地当作不存在、而每天决定着人的去留的东西，说它”本来就存在只是不好测”，是把一整套记账习惯当成了自然事实。

还有一个更实际的分别，值得单独说。“名次有误差”这句常识在使用时总是被读成”大体上还是准的，只是边缘有些出入”——于是它不改变任何做法。而第九节的真实数据给出的形状恰好相反：误差不是均匀地摊在整份榜单上的，它集中在最要紧的那一头。同一次重测，全榜的秩相关高到 0.96 以上，看上去这份榜相当可靠；而前五名的秩相关只有 0.20 到 0.70，冠军换了人。一个只看全榜相关的人会放心地用这份榜，而所有的录取、拨款、奖励都发生在他没有去看的那一段里。“大体上准”与”在决定命运处不准”，可以是同一份榜单的两个真实描述，而现行的呈现方式只让人看见前一个。

第三层，也是本章与”名次有误差”这句常识真正分开的地方：常识以为误差是可以靠努力缩小的，而本章的第十一节给出一个精确的结果——按比例的加码把绝对水平抬高了一千多倍，可分辨性一动不动。 常识说”再拼一把就能拉开差距”，力学说在按比例度量的体系里，大家一起拼，差距一格也拉不开。

与它最像而其实不同的两个东西，这里先各说一句，第十四节再逐条办：判断噪声说的是同一个对象被不同的人判出不同结果，那是一致性问题，处方是把噪声压下去；点次说的是不同对象之间的差本来就小于判断的波动，压噪声只能推迟它，不能取消它。伪精确说的是报告了太多没有意义的小数位，那是报告习惯问题；点次说的是名次这个量本身就是一个被砍掉区间的点值，跟报几位小数无关。

断带：把一列名次切开

有了名字还要有一个能把它辨出来的装置。前两种读法用的是分解与分段，本章用的是切：把一列已经排好的名次，按”哪里真的分得开”切成若干段。

装置叫断带表。做法三步：

第一步，把名次从第一名排到第 n 名。 这一列是体系已经产出的东西，本章不重排。

第二步，逐个相邻对判断是否可分辨。 用同一把尺子重测若干次，看这两个人的先后是否稳定。稳定的地方记一个断点，不稳定的地方不记。

第三步，断点把这一列切成若干段。 一段之内的人，先后是掷硬币的结果；段与段之间，先后是真的。

一张断带表长这样（示意，n = 12）：

十二个名次，两个断点，三段。这份榜单真正说出来的信息，是”甲组高于乙组高于丙组”这一句；其余全部十一个先后关系里，有九个是噪声。

这张表有三处值得停下来看。

第一处：它不改变任何人的名次。 断带表不重排、不加权、不修正，它只是在已有的名次之间画竖线。这一点很重要——它意味着任何机构都可以在不推翻现行结果的前提下把它算一遍。

第二处：它把”排出来了”和”分开了”分成两件事。 一份完整无缺的榜单（每人唯一位次、无并列、无空缺）可以只有两个断点。形式上的完整与信息上的贫乏，可以同时成立，而现行的任何一种呈现方式都读不出后者。

第三处：断点在榜上不是均匀分布的。 第九节的真实数据给出一个稳定的结果：断点集中在榜尾，榜首几乎没有断点。 也就是说，最没有人关心的地方分得最清楚，最决定命运的地方最分不开。

为什么用切而不用分解或分段。分解适合把一个总量拆成几股来路，分段适合追一个对象在时间上的不同身份；而这里要处理的是一列既有的、不被本章改动的结果，问的是它内部哪些界线是真的。刀口的位置就是全部的信息，所以装置只能是切。

g 与 γ 的清点手册

读数只有一个，全篇一个定义、一个阈值、一份编码规则。

读数名：可分辨段数　符号：g

定义（含 n 与判据的取法）： 　n = 榜上的候选数 　把 n 个名次按相邻可分辨性切开，得到的段数即 g（无断点时 g = 1） 　分辨粒度 γ = g / n，取值 [1/n, 1]，无量纲。 　γ = 1 表示人人分得开；γ = 1/n 表示全榜挤成一段，先后全是噪声。

阈值（全篇唯一）： 　γ ≤ 0.10　判为「排序主要由不可分辨构成」 　γ > 0.10　判为「排序主要由可分辨构成」 　本阈值在正文第八节、真跑第九节、证伪第十七节、赌注第二十节四处引用同一个数。

粒度：什么算”一次重测” 　同一把尺子、同一批对象、换一次随机来源（换一次数据划分、换一位评审、换一天、换一场）。 　恰在边界上的例子：某评比换了评审但也换了评审细则。 　→ 不算一次重测。换尺子不是重测。这一条是保守的：它把”改了规则之后名次变了”排除在外， 　　只会低估不可分辨，不会高估。

编码规则（六条）： 　1. 相邻对是否可分辨，以配对检验（同一批重测样本内配对）p < 0.05 为准。 　2. 重测次数须在报告中写明；不同的重测次数给出不同的 γ，不可跨报告比较。 　3. 候选数 n < 8 的榜单不计（段数不稳）。 　4. 已经并列的名次视为同一段内，不产生断点。 　5. 榜首与榜尾分别计算 γ 时，以中位名次为界二分，各自独立计段。 　6. 无法重测的榜单单列为「不可清点」，不进入统计，并报告其条数。

表头（可直接拿去做一张空表）： 　名次 | 候选 | 均值 | 重测次数 | 与下一名的差 | 配对检验 p | 是否断点 | 所在段

不适用： 　· 无法重测的一次性事件（见第十六节） 　· 名次不由分数导出而由直接对抗决出的体系（见第十六节） 　· 已经明文承认并列且不再细分的体系（见第十二节场景四）

四处引用一致性自查：正文第八节 0.10 ＝ 真跑第九节 0.10 ＝ 证伪 F1 0.10 ＝ 赌注第二十节 0.10　✅

辅助读数：榜首粒度 γ_hi。 按编码规则第五条，对榜单的前半区单独计算的分辨粒度。第九节的真跑结果把它从辅助读数提到了主要位置，理由写在那一节——这是本次写作中被数据改掉的一处。

关于正交性。 一个读数若与既有的主要指标高度相关，就会被读成那个指标的代理。γ 与”竞争强度”的关系必须先说清：二者不但不相关，而且可以举出方向完全相反的真实例子。 第九节的三个榜单里，digits 这一榜的候选水平最高、彼此差距最小、竞争最”激烈”，而它的全榜 γ 是三者中最高的（0.400）；wine 这一榜候选水平参差、竞争最”松”，全榜 γ 反而最低（0.100）。按强度排序和按 γ 排序，给出的是两张几乎相反的名单。 这一条既是本读数值得存在的理由，也是它绝不能被拿去当作”竞争激烈程度”指标的理由。

第一条真跑：三份公开数据上的二十候选榜

纸面上的证伪不算数。本节报告第一条真跑，含全部不利结果。

为什么用模型排行榜。 它是一个罕见的对象：完全公开、可以任意重测、名次的产生方式完全透明，而且它本身就是一个高强度的竞争场——机器学习领域的排行榜文化，是当代最纯粹的”持续加码直到有人退场”的实例之一。它显然不是高考也不是招聘，代理关系写在下面。

预注册（统计执行之前写定，种子 20260810-C，事后未作修改）：

数据：三个真实公开数据集——UCI 手写数字光学识别（digits）、UCI 威斯康星乳腺癌诊断（breast_cancer）、UCI 葡萄酒（wine），均由 scikit-learn 内置分发

候选：二十个分类器与超参配置

评分：重复分层五折交叉验证，重复 R 次；相邻对可分辨的判据为配对 Wilcoxon 符号秩检验 p < 0.05

H1：全榜 γ ≤ 0.10 判成立。

H2：高分半区的 γ 低于低分半区，差 ≥ 0.05 判成立。

H3：R 从 5 提到 20，γ 上升幅度 < 0.05 判成立（不可分辨不是观测量不足造成的）。

H4：两次独立重复之间，前五名的秩相关 < 0.8 判成立（榜首不稳）。

代理变量与偏差方向，先说清楚。 第一，模型排行榜的候选是算法不是人，它们不会因为名次而改变行为，因此本章关于”回写”的那一步在这份数据里测不到——第十三节的轮次预测靠的是第十一节的模型，不是这一节。第二，配对检验用的是同一批折，这让检验的功效高于独立比较，因此本章低估了不可分辨的程度。第三，p < 0.05 是一个宽松的断点判据；换成多重比较校正后的判据，断点会更少、γ 会更低——本章没有做校正，方向对本章不利。

四条里判伪两条

三条不利结果逐条说清它改了什么。

H1 判伪，改的是读数的落点。 全榜 γ 只有一组达到预注册阈值，其余四组是它的一点五倍到四倍。本章原本要主张”整份榜单基本上都是噪声”，数据说不是——一份二十候选的榜单，通常还能切出三到八段真断点。

但同一张表里，H2 五组全中，而且强度很大：高分半区的 γ 是低分半区的三分之一到四分之一。 digits 那一行最刺眼——低分半区能切出 0.700 的粒度（十个候选里有七段），高分半区只有 0.200（十个候选里只有两段）。

这两条合起来把本章的读数从全榜 γ 逼到了 γ_hi。修订后的说法比原来的准确，也比原来的窄：不是整份榜单都是噪声，是决定命运的那一头是噪声，而没有人在意的那一头分得清清楚楚。 这一条修订直接改了第八节——γ_hi 从辅助读数被提到主要位置。若不做这条真跑，本章会带着一个落点错了的指标发表。

H3 判伪，改的是命题的模态。 把重复次数从五提到二十——也就是把观测量提高四倍——γ 上升了 0.100 到 0.200，远超预注册的 0.05。本章原本会写下的更强的一句是”这些差异本质上不可分辨”。数据说不是：它们是在体系实际使用的观测量下不可分辨的。 加大观测确实能把它们分开。

这一条把本章从一个本体论主张改成了一个经济学主张，而且改得对本章不利：不可分辨不是自然的极限，是省下来的。体系不做四倍的重复，是因为不值得——而”不值得”这三个字里，恰恰藏着本章第十二节场景五要处理的那个选择。承认这一点之后，本章的处方也变了：不再是”承认并列”这一条路，而是”要么多观测，要么承认并列，二选一，并且公开选了哪一个”。

H4 成立，而且它旁边有一个更值得看的对照。 两次独立重复之间，前五名的秩相关只有 0.200（wine）与 0.700（breast_cancer），两个数据集的第一名都换了人。而同样这两次重复，全榜的秩相关是 0.967 与 0.958——高得几乎完美。

把这两个数放在一起：整份榜单极其稳定，而榜首完全不稳。 一个只看全榜相关系数的人会得出”这个排名很可靠”的结论，而所有的录取、奖励、资源都发生在那个完全不稳的头部。

具体的名单也值得列出来，因为它比系数更直观：

两次跑的是同一批候选、同一份数据、同一套流程，只换了一次数据划分的随机来源。冠军换了两次。

榜首为什么最分不开

第九节 H2 的结果需要一个机制解释，而这个解释正是第二节第二段那一门学问给的，本节把它单独拎出来，因为它是整篇最关键的一环。

榜首为什么最分不开？两个原因叠在一起，而它们都指向同一个方向。

第一，趋同。 榜首的候选是被同一套优化压力筛出来的，它们的差异本来就最小。这一条是常识，不需要多说。

第二，也是本章真正要用的那一条：分辨的门槛随水平一起涨。 按韦伯定律，要察觉一个差异，这个差异必须达到基准的某个固定比例。榜首的水平高，因此要在榜首分出高下所需的绝对差异，比在榜尾大——而榜首的实际差异比榜尾小。分子在缩小，分母在放大，可分辨性于是双向地塌下去。

这就是为什么”再拼一把就能拉开差距”这个直觉是错的，而且错得有力学根据。你拼上去的那一点，把自己的基准也抬高了；基准抬高之后，同样的一点点优势就落回了噪声里。你不是没有进步，你是把自己进步的那个量级，连同衡量它的刻度，一起抬高了。

这里要挡住一个顺手的误读：本节说的不是”榜首的人水平接近所以难分”，那只是第一条，是常识。本节要用的是第二条——分辨的门槛本身随水平一起长。这两条的区别在干预上是决定性的：如果只有第一条，那么让榜首的人拉开水平差距就能解决问题，而”拉开差距”正是每个人都在努力做的事；如果第二条成立，那么大家一起把水平拉高，门槛也一起拉高，差距在比例意义上一动不动。第一条给的是希望，第二条取消这个希望。

顺带说清一件事：这条力学并不要求参与者是理性的、有策略的，或者知道自己正在被排名。它只要求两件事——大家会向当前最好的水平看齐，以及衡量差异的那把尺子是按比例读的。这两条都不需要任何人有意为之，也不需要任何人心怀恶意。

第十一节把这句话做成一个可复算的对照实验。

第二条真跑：加码组与不加码组并排跑三千轮

预注册：两百名参与者，水平初始服从对数正态（σ = 0.30）；每轮各人向当前最高水平靠拢百分之一并叠加噪声（这是”看齐”）。两个组别：加码组每轮所有人的水平额外整体乘以 1.002；不加码组不做这一步。可分辨判据取韦伯式——两人可分辨当且仅当二者之差大于较高者的百分之五。共三千轮。另设对照组：同为加码，但可分辨判据改为固定的绝对阈（0.05），用来分离”阈是相对的”这个前提。

H5：加码组的 γ 单调不增。

H6：绝对水平与 γ 的秩相关 ≤ −0.5。

H7：加码使 γ 高于不加码的轮次占比 < 5%。

结果：

核心对照：加码组与不加码组的 γ 路径，最大差为 0.000000。

三千轮里，加码组的绝对水平从 1.321 涨到 1,561.108，涨了一千一百八十二倍；不加码组只涨到 3.893。而两组的可分辨性，逐点完全相同——不是接近，是逐位相等。加码在”把人分开”这件事上的贡献，是精确的零。

原因不神秘：韦伯阈是一个比例阈，而按比例的加码是一次相似变换。把所有人乘以同一个数，任何两人之差与较高者之比不变，因此可分辨与否的判定一个也不变。加码是一次坐标变换，不是一次改进。

对照组把这一条钉死了。 同样是加码，只要把可分辨判据从比例阈换成固定的绝对阈，加码立刻变得极其有效——γ 从 0.0350 一路涨到 0.8050，也就是说，在绝对阈下，大家一起加码确实能把彼此分开。加码有没有用，完全取决于那把尺子是按比例读的还是按绝对量读的。 而在几乎所有的社会竞争场里，比较是相对的：领先多少个百分点、超出平均多少倍、比同行高几档——都是比例。

H5 成立：加码组 γ 上升的观测步占比为 0.0000。 H7 成立：加码组 γ 高于不加码组的轮次占比为 0.0000。

H6 判伪。 绝对水平与 γ 的秩相关为 −0.2425，未达预注册的 −0.5。原因看表就清楚：γ 在第三百二十轮左右就跌到 0.0050（也就是 1/200，全榜挤成一段）并触底不动，而水平在此后的两千七百轮里继续涨了三百多倍。两个量不是同步下降的，相关系数因此被压平。

这一条判伪削掉了本章原本要写的一句连续型陈述——“水平越高越分不开”。真实的形状是台阶式的，而且比原来的说法更狠：分辨性很早就触底了；此后水平的一切上升，与可分辨性完全无关。 不是”越涨越难分”，是”早就分不开了，还在涨”。

两条真跑并排看：

量纲完全不同，两边给出的却是同一件事的两半：真实数据说分不开的地方恰恰是决定命运的地方；模型说在那个地方，加码这个动作的边际贡献是零。合起来就是本章的承重命题：人们把全部力气用在一个对目标贡献为零的动作上，而这件事没有终点。

把那一句问话拿到五个场合去问

判据必须是一句可以拿去问文件、日志、原始记录的问话，而不是拿去问人的判断。本章的那一句是：

这份名单上，相邻两名之间的差，比同一把尺子重测一次的波动大还是小？把前三名重测一次，还是不是这三个人？

句子里没有”应当”“实质性”“真正”“充分”这类词。前半句是一次比较，后半句是一次重做，两句都不需要任何人发表意见。

五个场景的答案必须互不相同；其中两个是查出来的，而且反过来改了本章。

场景一 · 模型排行榜。 答案：相邻两名之差通常小于重测波动，尤其在榜首；前五名重测一次，冠军换人。这是第九节的直接结果。

场景二 · 高考与研考的同分处理。（查出来的，加重了本章）答案：分不开的情形被明文承认了——总分相同的情形有专门的规则处理。而处理方式值得注意：不是承认并列，是引入更多维度继续切（依次比较单科成绩，按事先规定的科目顺序）。也就是说，体系明确知道有分不开的情形，而它的选择不是停在那里，是再找一把更细的尺子接着切。 这一处不是削弱，是本章没有预料到的加重：第七节原本只写到”体系读不出不可分辨”，实测要写成”读得出，而且读出来之后的默认反应是继续切”。

场景三 · 期刊与机构的排名小数位。 答案：相邻两名之差常常在小数点后第二位甚至第三位，而这些指标的年度波动远大于此。这一场景的特殊处在于它同时满足四条限定：被使用（据以分配资源）、区间宽于间距、区间可测（换一个年份或换一个数据源即可）、区间从不出现在榜单上。

场景四 · 竞技体育的计时与并列。（查出来的，真削弱）答案：分不开的情形被制度承认了，而且明文禁止再切。 若干项目规定，成绩相同即判并列，并且不使用更小的计时单位来打破并列——理由是场地本身的建造公差已经大于那个单位所对应的距离，再细分下去测的是泳池不是运动员。这是一个把分辨力写进规则、并且承认并列的体系。本章因此必须收窄适用范围：凡分辨力被明文规定、且并列被制度承认而不再细分的体系，本章不适用。 这一条动的是适用范围本身，也顺带指出了唯一一个有经验支持的出口——出口不在减少竞争，在承认并列。

场景五 · 加大观测这条路。（真跑，改了本章的价值排序）答案：第九节 H3 判伪告诉我们，把观测量提高四倍，分辨粒度上升 0.10 到 0.20。也就是说，分不开在很多时候是省出来的，不是命定的。 这一处削掉了本章原本最有力的那句话（“这些差异本质上不可分辨”），并把处方从一条变成两条：要么多观测，要么承认并列。而它逼出的真正问题是第三条：目前的体系两条都不选，它选的是”不多观测，也不承认并列，照样排”。

五个答案互不相同；场景二与场景四是查出来的，场景五来自本章自己的真跑；其中场景四削掉了本章的普遍性，场景五削掉了本章最强的那句主张。

先动的是人，下一轮先动的是判据

Why 这类问题要的不是相关，是先后与轮次。本章的过程走三步，第三步是回写，没有它就只是一支箭头。

第一步 · 这一轮先动的是参与者。 有人加码，绝对水平上升。他的动机是把自己与别人分开，而这个动机本身是合理的——在他加码的那一刻，他确实短暂地领先了。

第二步 · 另两样跟上。 其余人看齐，实际差异缩小；同时，按比例阈，基准上升使可分辨所需的绝对差异同比放大。两个方向合起来，γ 下降。第十一节的模型给出这一步的时间尺度：γ 在三千轮里的头三百多轮就跌到底。

第三步 · 回写。 γ 跌到底之后，排序装置产不出可辩护的次序，而体系仍然必须排。它的反应不是承认分不开，而是二选一：要么引入更细的尺子（多加一位小数、增设一个打破并列的维度，如场景二），要么放松判据（把更小的差异也判为差异，代价是错误率上升，即信号检测论里 β 的移动）。两条路都不需要参与者做任何事，它们发生在判据这一侧。

下一轮的发起处换了。 第一轮先动的是参与者；回写完成之后，先动的变成判据——判据先收紧或先加细，然后参与者据新判据重新加码。发起处在”参与者”与”判据”之间交替。

这给出一条可裁决的轮次预测：

γ_hi 越低，判据的修订频率越高。 具体地：在同一体系内跨时期比较，榜首分辨粒度每下降 0.1，判据修订（增加位数、增设打破并列的维度、调整显著性门槛）的年频次应当上升；若 γ_hi 下降而判据修订频次不变或下降，回写这一步为伪。

这条预测本章最愿意押，也是手上数据跑不动的一条。跑不动的原因写在这里，比假装跑得动诚实：模型排行榜的候选是算法，不会回应名次；而最小模型里没有判据修订这个机制（判据是外生固定的 k = 0.05）。 要跑它，需要一份判据修订台账——某个排名体系历年的规则修订记录，与同期的榜首分辨粒度配对。这样的台账目前不存在，补上它是本章的第三层主张（第十七节）。

剥到形式层之后，上游站着谁

这一节决定本章是不是换皮。先把两件事分开：竞争解释是对同一现象的另一种因果说法，归证伪那一节管；竞争概念是学术史上已经有人命名过的那个结构，归本节管。一个判断可以打赢所有竞争解释，仍然只是某个既有概念的改名。

先把命题剥到只剩形式，去掉一切关于人、模型、成绩、判决的名词：

一个由有限分辨力的装置产出的排序，其相邻名次之差小于装置的重测波动，而该排序被当作无误差的次序使用；并且，把被测量整体按比例放大，不改变可分辨性。

拿这个纯形式去问上游。

一 · 内卷化（Geertz 1963，Agricultural Involution；人类学）。它说到哪一步：投入持续增加而人均产出不增，系统在既有形式内部越来越精细。分离线：内卷化说的是产出不增，本章说的是可分辨性不增；一个体系可以产出大增而可分辨性归零（第十一节的加码组正是如此，水平涨了一千一百八十二倍）。判定形式：若投入增加而产出与可分辨性同步不增，两说共存；若产出显著增加而可分辨性不动，只有本章读得出这件事。

二 · 判断噪声（Kahneman, Sibony & Sunstein 2021，Noise；决策研究）。这是最危险的一位，因为它讲的正是判断的随机波动。分离线有两条，都是硬的。其一，那本书处理的是同一个对象被不同的人判出不同结果（一致性问题）；本章处理的是不同对象之间的真实差小于判断的波动（分辨力问题）——即使判断完全一致（噪声为零），只要重测波动大于名次间距，点次照样成立。其二，那本书的处方是决策卫生：把噪声压下去；本章说压下去只能推迟，因为参与者会一起加码把差异重新推回噪声之下。判定形式：若通过降噪使排序的可分辨性持续改善且不回落，那本书对；若可分辨性在若干轮之后回到原水平，本章对。

三 · 韦伯－费希纳定律（Weber 1834；Fechner 1860；心理物理学）。这是本章的源，不是占位者，但必须说清本章加了什么。那条定律说的是知觉阈；本章把它用在制度性判据上，主张社会比较的判据同样是比例式的。这一步是本章的推广，而它需要独立证据，本章没有提供。 这是本章的一处欠账，也是第二十节洞二的内容。

四 · 信号检测论（Green & Swets 1966；心理学）。同样是源。它已经给出 d′ 与 β 的分离，本章没有在这一点上添加任何东西；本章用的是它的一个推论——判据从不公布，因而 γ 无法被外部核算。

五 · 测量不确定度规范（国际计量领域通行的表述指南；计量学）。源。本章加的是把它用到名次这个从未被当作测量结果的量上。

六 · 锦标赛理论（Lazear & Rosen 1981，JPE 89(5):841–864；劳动经济学）。它说到哪一步：报酬按排名发放时，努力由奖金差与人数决定。分离线：锦标赛的模型里，努力提高中奖概率——这隐含了排名对努力有响应。本章说在比例阈下，所有人一起提高努力，排名的可分辨性完全不响应。判定形式：若全体等比例提高努力后名次的稳定性上升，锦标赛对；若名次稳定性不变，本章对。 第十一节的模型给的是后者。

七 · 排名的统计估计（Efron & Morris 1975；Louis 1984；统计学，方法学占位者）。这是方法学上最危险的一位：统计学里”排名的不确定性”是一个成熟问题，并明确指出用点估计排名会系统性夸大极端。分离线不在算法而在题目：那一族问的是如何更好地估计真排名，它假定真排名存在且值得估准；本章问的是真排名在比例度量下随加码同比压缩，因而估得再准也不解决问题。判定形式：若采用收缩估计或区间排名之后，排序的实用价值恢复，那一族够用；若采用之后大量名次合并为宽区间、体系随即引入新维度重新切开，本章对。 第十二节场景二给的是后者的实例。

八 · 衰减偏倚（Spearman 1904；心理测量学，方法学占位者）。它说到哪一步：测量误差使观察到的相关低于真值，可用信度作校正。分离线：衰减处理的是相关系数的偏倚，本章处理的是名次的可分辨性；校正相关不会让任何两个人变得分得开。判定形式：若对分数作信度校正后相邻名次的重测稳定性上升，衰减框架够用；若不变，本章对。

九 · 评分者一致性（Cohen 1960 的 kappa 及其后续；方法学占位者）。它说到哪一步：用一致性系数刻画不同评分者的吻合程度。分离线：kappa 是一个整体统计量，它不告诉你哪两个相邻名次分不开；一份 kappa 很高的评分体系，其榜首仍可以完全不可分辨（第九节的全榜秩相关 0.96 与前五秩相关 0.20 正是这个组合）。判定形式：若整体一致性系数能预测榜首的重测稳定性，kappa 够用；若两者脱钩，需要断带表。

十 · 古德哈特定律（Goodhart 1975；Strathern 1997；经济学／人类学）。它说到哪一步：一个指标一旦成为目标，就不再是好指标。分离线：古德哈特的机制是参与者针对指标优化甚至操纵，指标因此失真；本章的机制里没有任何操纵——参与者诚实地提高真实水平，指标也诚实地反映它，而可分辨性照样归零。判定形式：若消除操纵动机后指标恢复区分力，古德哈特对；若在完全没有操纵的条件下可分辨性仍然归零，本章对。 第十一节的模型里参与者没有任何策略行为。

十一 · 红皇后假说（Van Valen 1973，Evolutionary Theory 1:1–30；演化生物学）。它说到哪一步：必须持续改进才能维持相对位置。分离线：红皇后说相对位置得以维持，本章说相对位置在分辨力之内根本没有定义。判定形式：若相对位置在重测下稳定，红皇后对；若相对位置在重测下翻转而绝对水平持续上升，本章对。 第九节 H4 给的是后者。

十二 · 位置性商品与地位竞赛（Hirsch 1976，Social Limits to Growth；Frank 1985，Choosing the Right Pond；经济学／社会学）。它说到哪一步：满足取决于相对位置，故总量增长不改善处境。分离线：位置理论假定位次是清楚的（否则”位置”这个概念无从谈起），本章说位次在头部不清楚。判定形式：若参与者能稳定地知道自己的位次，位置理论对；若位次在重测下翻转而参与者仍据以行动，本章对。

十三 · 优绩主义批判（Sandel 2020；Markovits 2019；政治哲学／法学）。它说到哪一步：按才能分配的正当性有问题——它把运气当作应得，把失败者的处境归咎于其自身。分离线：那一族质疑的是从名次到应得的推理（即便名次是真的，据以分配也不正当）；本章质疑的是名次本身是不是真的。两者可以互补，也可以互相独立成立。判定形式：若名次经重测完全稳定而分配仍不正当，是优绩主义批判的领地；若名次经重测翻转，本章的问题在那之前就出现了。

十四 · 伪精确（spurious precision；跨学科的通行批评）。它说到哪一步：报告了超出数据支撑的位数。分离线：伪精确是一个报告习惯问题，改法是少报几位；本章说名次这个量本身就是被砍掉区间的点值，少报几位并不能解决——名次没有”位数”可减。判定形式：若减少报告位数后排序的可分辨性问题消失，是伪精确；若把两百个名次合并成十档之后仍要在档内排先后，本章对。

最近的邻居是哪几位。 是第二位（判断噪声）、第七位（排名的统计估计）与第九位（评分者一致性）。说”我看得比它们透”没有意义，那句话不可判定。可判定的说法是：这三位各自走到了同一扇门前，各自被自己题目里的一个假定拦住。判断噪声看见了波动，却把它定义成一致性缺陷，于是处方是降噪，看不见降噪之后参与者会把差异重新推回噪声下；排名的统计估计看见了名次带区间，却假定真排名存在且值得估准，于是看不见真排名本身在按比例地被压扁；评分者一致性看见了吻合程度，却只给整体系数，于是看不见头部与尾部的分辨力可以相差三到四倍。 一个由整体上极其可靠的装置产出、而在决定命运的那一段完全不可分辨、且无论怎样加码都不会改善的排序，在这三套说法里都没有名字。本章补的正是这个名字。

同题三篇之间怎么分得开

本书同一批有多篇在结构上与本章相邻，其中两篇与本章同题。逐篇给出可分开的预测。

与第七章（遗槛）（本编第一章，论门槛里由已经不在场的人供给的那一段）。那一章管门槛的高度，本章管尺子的刻度。判定形式：把门槛固定住（不许上移）而参与者继续加码，若淘汰仍在发生且淘汰对象在重测下不稳定，是本章的过程；若门槛自行上移而每一次淘汰的对象在重测下稳定，是那一章的过程。

与第八章（齐项）（本编第二章，论判据的项数只增不减）。那一章管清单的长度，本章管每一项的刻度。两者可以互相制造对方：项目齐化（人人达标）正是该项分辨力归零的一种形式，而分辨力归零又逼出新项目。这一处是两篇最紧的接口，也是最容易被误认为同一篇的地方，必须写实：第八章（齐项）的齐化判据是”未达标人数为零”，本章的判据是”相邻名次在重测下翻转”。二者不等价——一个项目可以人人达标（齐化）而在达标者之间仍分得清清楚楚（如成绩人人及格但分差很大），也可以未达标者众多（未齐化）而在头部完全分不开。判定形式：清点两个数——未达标人数是否为零，以及头部重测是否翻转。四种组合都存在，两篇各解释其中一格。

与《散量》（论最小可记单位以下的差额被合法登记为零）。这是本章最危险的自撞，因为两篇都在处理”小于分辨力的差异”。分离线是方向：那一篇里，小于最小可记单位的差额被记为零（分不开就当没有）；本章里，小于分辨力的差异被强行赋予确定名次（分不开也要排出先后）。两种处置方向恰好相反，而两种都不是承认不可分辨。判定形式：查该体系对不可分辨差异的处置——归零还是强行切开。 两篇合起来给出一个更完整的判断：一个体系面对分不开的情形有三条路（归零、强切、承认并列），现实中绝大多数体系走前两条，而只有第三条是出口。

与《转默》（论被推动的行为在推力撤除后仍存续）。相邻度较低，但有一处接口：本章的判据修订（第十三节第三步）一旦完成，参与者按新判据加码的行为在修订被撤销后是否仍存续，正是那一篇的题目。判定形式：撤销一次判据加细，若加码行为随之回落，是外部推动；若不回落，那一篇的机制在本章的过程里叠加了一层。

四篇撞上的是同一堵墙：以点值为单位的记录，读不出区间。齐化点不产生事件，退出对门槛的供给不产生事件，分辨力的塌陷同样不产生事件——它只表现为一份看上去完好无缺的名单。

五处明确不成立的地方

本章的过程有五处明确不成立。

其一，分辨力被明文规定且并列被制度承认的体系。 见第十二节场景四。这同时是本章唯一有经验支持的出口。

其二，无法重测的一次性事件。 一场只打一次的比赛、一次不可重复的历史评价，没有重测就没有 γ。这类体系里本章的判断不可检验，因此本章对它们不作主张。

其三，名次由直接对抗决出而非由分数导出的体系。 淘汰赛里 A 赢了 B 是一个事实，不是一个分数之差；虽然它同样带随机性，但本章的装置（相邻对的重测稳定性）不适用于它，需要另造。

其四，候选数过少的体系。 n < 8 时段数不稳，γ 的取值离散到无法解读。

其五，候选不会回应名次的体系。 第九节的模型排行榜正属此类——算法不会因为排名靠后而加码。这类体系可以用来测 γ，但测不到回写，因而本章的轮次主张在其中不可检验。

怎样把这条判断推翻

最强的竞争解释先摆出来：其实不就是”排名有误差”吗？ 排除它的方式是指出二者预测不同：“排名有误差”预测误差可以靠更好的测量与更多的努力缩小；本章预测在比例度量下，全体等比例加码对可分辨性的贡献恒为零。这两条在同一份数据上可分，而且第十一节已经跑过一次。

F1（主件，一条对照实验，任何有重测能力的体系都能做）。 取一份现行榜单，做两件事：其一，重测若干次，按第八节算 γ 与 γ_hi；其二，比较该体系历年的绝对水平与同期的 γ_hi。若 γ_hi > 0.10，本判断在该体系为伪；若绝对水平大幅上升的同时 γ_hi 未下降，本章的核心力学为伪。 第二问尤其关键，因为它检验的正是”加码无效”这一条。

F2（排除竞争解释）。 在同一体系内让全体等比例提高投入：若名次的重测稳定性随之上升，本章为伪。 这条在实验室里可做（第十一节已在模型里做过），在真实体系里需要一次自然实验。

F3（对判断噪声的分离）。 在一个已实施降噪措施的体系里追踪 γ_hi：若 γ_hi 持续改善且不回落，本章为伪；若在若干轮后回落到原水平，本章成立。

F4（对古德哈特的分离）。 在一个没有操纵动机的体系里测 γ_hi（如第九节的模型排行榜，算法不会作弊）：若在无操纵条件下 γ_hi 不下降，本章的机制需要操纵才能成立，即本章为伪。

F5（正向的轮次预测）。 γ_hi 每下降 0.1，判据修订的年频次应当上升；若 γ_hi 下降而判据修订频次不变或下降，回写这一步为伪。 需要一份判据修订台账，本章手上跑不动（第十三节）。

F6（方法稳健性）。 把第八节编码规则第一条的 p < 0.05 换成多重比较校正后的判据，以及换成”重测中先后翻转比例 > 30%“这个非参数判据，各算一遍。若 γ 在三种判据下相差超过 0.15，本章的读数不可靠。 这一条本章尚未跑，是自己交出去的一个洞。

F7（已判伪的三条，一并列出以免选择性报告）。 第九节 H1（全榜 γ 未达阈值，读数落点由全榜改为榜首）、H3（不可分辨不是本质的，加大观测四倍可提高 0.10–0.20）与第十一节 H6（γ 不是连续下降而是早早触底）。三条分别改写了本章的读数落点、命题的模态与下降的形状。若后续研究发现 H3 在社会体系中不成立（即加大观测也无法提高分辨力），本章第十二节场景五的让步可以收回，处方重新收缩为”只能承认并列”——但那时必须解释为什么真实数据与模型排行榜在这一点上相反。

这条判断若被证伪，会学到什么。 若 F1 的第一问在多数体系里判伪（γ_hi 普遍高于 0.10），说明榜首其实分得清楚，那么现行的一切排名实践没有本章说的那个毛病，本章只是被一个特殊领域误导；若 F1 的第一问成立而第二问判伪（加码确实提高了分辨力），说明社会比较的判据不是比例式的而是绝对式的，那么真正值得研究的是”哪些领域的判据是绝对的、为什么”——这比本章有意思。

第三层主张（不依赖前两层，也最容易检验）： 目前几乎所有榜单都不记两件事——这份名次是在多少次重测下产生的，以及相邻名次在重测下翻转的比例是多少。前者往往根本不存在（榜只出一次），后者从未被统计。在榜单上加这两栏，不需要接受本章任何一条判断：重测次数是已有的事实，翻转比例是一次可以补做的计算。一份榜单如果只出过一次，那就在脚注里写明”本榜未经重测”——这五个字不改变任何人的名次，却把”排出来了”和”分开了”这两件事第一次分开。这一条即使前两层全部倒掉也仍然成立。

被采纳之后最可能发生的坏事

反噬。 本章一旦被采纳，最省事的实现方式是把重测做得更少——重测越少，翻转比例越无从计算，γ 越不可能被算出来。第九节的 H3 判伪恰恰指出了这条捷径的存在：观测量与分辨力正相关，那么减少观测就能让问题不可见。本章要求的可见性，第一步就得罪的是那个决定做多少次观测的人。

更糟的一种：一旦 γ_hi 进了考核，最省事的达标办法是在候选集上做手脚。往榜里塞进若干明显很弱的候选，低分区的断点大增，全榜 γ 立刻好看，而榜首一点没变。第八节把 γ_hi 单列，正是为了挡这一手；但它挡不住把弱候选塞进前半区的做法。

我看不到出口。任何使分辨力可见的做法都需要重测，而重测要花钱；任何为省钱而减少重测的做法，都会让分辨力恰好在最需要它的地方变得不可计算。唯一不花钱的诚实办法是那五个字的脚注——而它不解决问题，只是不再假装问题不存在。

伦理三条。 γ 是一个比率，比率一旦公开就会被拿去评价人，因此三条写死：

一，它指的是榜，不是人。 γ 读的是”这份名单的刻度有多细”，不是”谁其实不配那个名次”。任何拿 γ 去质疑某个具体获奖者、录取者的用法，都是误用——本章的全部要点是没有人能从名次里读出那个人的真实位置，包括排在后面的人和排在前面的人。

二，不得据 γ 反过来加密判据。 发现榜首分不开之后，最自然的反应是”那就再细分一层”。这正是第十三节第三步所描述的回写，也正是本章认为不收敛的原因。用本章的读数去驱动更细的切分，是把诊断当成了处方。

三，已按此类读数改变过排序结果的，须公开重测次数、判据与断带表，并给复核通道。 一个人的名次若因引入 γ 而改变，他有权知道他所在的那一段有多宽、判据定在哪里、重测做了几次。

把断带表用在本编三章上

自反不是说”本章也有局限”。是用本章自己的判据，给本章自己定位，并说出后果。

本章是同一道题的第三章。前两章分别从门槛的高度与判据的项数入手，本章从尺子的刻度入手。现在用第八节那句判据来问这三篇：

这三章之间，相邻两章的差，比同一把尺子重测一次的波动大还是小？

先说什么是”重测”。同一道题、同一份学科清单、同一套工序，换一组学科重跑一次——这正是这三篇的产生方式。而”尺子”是评价一篇这类稿子的那套标准。

答案很难看，而且必须写下来：在”是否提出了一个可清点的新对象”这一项上，三篇是分得开的——门槛的构成、清单的项数、名次的刻度，三个对象互不蕴含，第十五节逐条给了判定。而在”提出得好不好”这一项上，我给不出任何证据表明三篇之间分得开。 三篇的字数相近、结构相近、真跑的规模相近、判伪的条数相近（四条、三条、三条）。若把这三篇交给同一批评审重测一次，我没有理由相信名次会稳定。

换句话说，这三篇很可能构成一个 g = 1 的段。

这个定位有三个后果，本章都得认。

第一，同题多跑本身就是一次加码，而它可能对可分辨性贡献为零。 跑第三篇的动机是”再换一组学问试试能不能长出新东西”，而按本章自己的力学，如果评价的尺子是比例式的（相对于同批著作的水准），那么同批一起变好，谁也没有变得更可分辨。本章正在做一件本章自己论证为无效的事。

第二，本章没有资格建议别人承认并列，因为本章自己没有承认。 第十二节场景四把”承认并列”称作唯一的出口，而这三篇仍然是三篇独立的稿子、各有各的标题与构念，没有任何一处写着”本章与前两篇在某某项上不可分辨”。写下上面那段话是本章能做的最接近承认并列的动作，而它仍然不是并列——它只是一句附注。

第三，本章那个 0.10 的阈值是自己定的，没有推导。 它在四处保持一致，这是本章能保证的全部。而更难看的是：按这个阈值，第九节的五组数据里有四组判本章为伪。 本章保留了这个阈值而没有把它调到 0.15 或 0.20 让 H1 通过——这是本章唯一能拿出来的、关于自己没有事后调参的证据，而它也只是一句自陈。

一条押到 2036 年的赌注，和三个洞

赌注。 到 2036 年 12 月 31 日：至少有一个国家级或行业级的公开排名，在其正式发布材料里，同时给出重测次数与相邻名次在重测下的翻转比例（或与之等价的名次区间），并据此标出榜单上哪几处是真断点。

这条赌注押的不是哪一种说法胜出，是一个字段的出现。它之所以定在十年，是因为改一份榜单的呈现方式不需要任何理论上的胜负，只需要有一个发布方愿意承认：它手上那份名单，有一段是它自己也分不开的。

四条不算命中，先写死：

只有学术论文对某个榜单做过这种分析，而榜单发布方本身不给这两个数——不算。

给出了名次的置信区间但不标断点——不算。缺了断点，读者仍然会按点值使用名次。

由发布方自行声明”本榜存在不确定性，请谨慎使用”而不给任何数——不算。这是四条里最要紧的一条，因为它是最容易发生的伪命中，而且它比不声明更坏：它用一句免责把追问挡回去。

只在榜尾标断点而榜首不标——不算。榜首正是第九节证明最分不开的那一段。

三个洞，填不上，交出去。

洞一：0.10 这条线没有理论依据，而且本章自己的数据大面积不达标。 它是一个凭手感取的数，本章能做的只是让它在四处一致，并且不在事后调它。F6 那条稳健性检验本章还没跑；换一个判据，γ 会不会整体平移一大截，本章不知道。

洞二：把韦伯定律从知觉推到制度性判据，这一步没有独立证据。 第十一节的模型假定了比例阈，然后证明了在比例阈下加码无效——这是一个内部一致的推演，不是一个经验发现。社会比较的判据到底是比例式的还是绝对式的，本章没有测过。 而整篇的力学全挂在这一步上。第十二节的场景里，比例式的证据都是间接的（“领先几个百分点”“高出平均多少倍”这类说法的普遍性），它们说明人们用比例来表述比较，不能证明判据本身是比例的。这是本章最薄的地方，比洞一严重得多。

洞三：两条真跑的对象都不会回应名次。 模型排行榜里的候选是算法，最小模型里的参与者没有策略。本章关于回写的全部主张——判据收紧、更细的切分、发起处的交替——一条也没有在会回应名次的真实主体上跑过。 一篇关于”人们为什么停不下来”的论文，它的两条经验支撑里都没有人，这是它结构上的缺陷。第十三节把跑不动的原因写清楚了（需要判据修订台账），但写清楚原因不等于补上证据。这个洞我看不到怎么在现有记录里填。

本章附表

本章说明

关于测量不确定度的表述要求，本章依据的是国际计量领域通行的指南性文件（Guide to the Expression of Uncertainty in Measurement，及国际计量学词汇表 VIM 中关于”分辨力”与”测量不确定度”的分别界定）。

数据与可复算性声明。 第九节使用的三个数据集为 scikit-learn 内置分发的公开数据集（UCI 手写数字光学识别、UCI 威斯康星乳腺癌诊断、UCI 葡萄酒）；二十个候选的配置、交叉验证方案（重复分层五折，R = 5 与 R = 20）、断点判据（配对 Wilcoxon 符号秩，p < 0.05）与随机种子已在正文列全，扫描日期 2026 年 8 月 10 日。第十一节的模型为自写，参数（N = 200，靠拢系数 0.01，噪声 0.001，韦伯系数 k = 0.05，加码率每轮 1.002，绝对阈对照 0.05，共 3,000 轮）与随机种子（20260810）已在正文列全，任何人可独立复算。预注册文件在统计执行之前写定，本章报告了其中判伪的三条。本章不提供未标出处的数字。

人机分工声明。 题面、三门学问的指定由作者提出；文献检索、实验实现、统计执行与初稿由作者偕大语言模型完成；预注册的写定、判伪结果的采纳，以及第九节 H1 判伪之后是把阈值调松还是把读数从全榜改到榜首，均由作者定夺——作者选了后者。

版本与字数。 正文约 2.0 万汉字。本稿为第一版。