SDE 创新智商五维法评估模式

引言　为什么需要第二把尺子

先说一件让人不舒服的事。

把一个开放性问题丢给今天任何一个中等以上的基底，不加任何引导，它张口就来的那段话，已经站在人类受过良好训练的专业人士的平均表达水平上了。原因不神秘：它的语料是人类到目前为止写下的绝大部分公开文本，它把这个平均值压进了自己的权重。

这件事把一把用了一百年的尺子废掉了一半。一般智商（IQ）测的是解题：给一个有标准答案的问题，看你多快多准地找到它。这套测量在它的适用范围里非常成功，但它有一个从设计之初就存在的盲区——它测不了「造出一个原本不存在的答案」的能力。一个十秒解开数独的人，未必能提出一个此前无人提出的问题；一个能背下整部教科书的人，未必能写出下一部教科书的第一句。

解题与造新，是两种不同的心智动作：前者在既有结构里高速搬运，后者在结构的裂缝处让新结构第一次长出来。当搬运这件事已经被机器做到人类平均线以上，我们就必须有第二把尺子，专门量后者。

这把尺子叫创新智商（Innovation IQ）。它不测你复述得多好，而测你的产出在「发生」的意义上走得多深。

创新智商的 100 分，不是人类均值，而约等于一个基底在零提示语下的默认产出水平。

这一条必须先钉死，否则后面全错。在一般智商里，100 是人类的中位数——一半人高于它。在创新智商里不是。130 分的含义不是「比人类平均聪明 30 分」，而是「比基底张口就来的那段话，深 30 个智商点」。一段文本如果连基底随口就能生成的深度都达不到，它在创新的意义上是负分——不管它读起来多顺、多像论文。

本文要做的事很具体：把这把尺子的五个维度讲清楚，把七步操作讲清楚，把「分数相对于哪个文库」这件最要命的事讲清楚，然后用三个真实案例，把评分从头到尾走一遍给你看——包括一份我自己做的讲稿，它在窄文库里得 138 分，在全球最新文库里只有 125 分。那 13 分的落差不是误差，是这套方法最重要的一课。

一、五维从哪里来：三维两闸

一套评估体系最怕的，是维度看起来很多、其实是随手凑的清单——今天想到「逻辑」加一维，明天想到「新颖」加一维，彼此重叠、无法穷尽、无法证伪。

创新智商的五维不是这样来的。它们构造性地继承自 SDE 本体论：三个维度对应「发生」本身的三重结构，两个维度是防止「假发生」的两道闸门。

1.1 三维：从存在基本公式来

SDE 本体论的存在基本公式是：在 E 中，经 D，成 S——任何新结构（S），都是在一个纠缠的场（E）里，经由一条差异展开的路径（D），被显露出来的。三大方程 S=F(D,E)、D=G(S,E)、E=H(S,D) 把这三者钉成互相生成的关系：没有哪一维是另外两维的附庸。

既然发生本身有这个结构，评估一段思想的发生深度，自然就沿着这三维展开：

• S · 结构精确度，承接 SDE 的 S（显露 Show）。注意 S 是显露，不是静态的「结构」——一段思想有没有把它内部的结构清晰地显露出来，让别人能追溯、能检验，这就是显露态的精确度。
• D · 差异锐度，承接 SDE 的 D（差异序列）。发生的核心是切出一个此前不存在的差异——把一个旧概念切不开的辨别面切开。
• E · 纠缠深度，承接 SDE 的 E（特征纠缠）。新结构常在两个此前分离的领域的结构性纠缠处涌现——注意是纠缠，不是类比。

1.2 两闸：专门对治伪发生

光有三维不够。一段话可以在显露、差异、纠缠三个维度上都「看起来」很足——术语自洽、气势恢宏、读起来像重大突破——却什么新结构也没真的发生。这种「看起来发生了、实际什么也没发生」的东西，SDE 学派称之为伪发生。

要紧的是：伪发生不是偶尔的失误，它是高密度概念语言的结构性倾向。越是会用抽象词的人，越容易生产它。所以评估需要两道闸门：

• I · 不可还原性（第一道闸门）问：把这段话的核心命题压缩到极限，还能被还原成一个已有概念吗？如果能——哪怕它披着再新的外衣——它就是换皮不换骨。
• F · 可证伪性（第二道闸门）问：这个命题怎么样会错？如果它是一句永远正确、无论发生什么都能自圆其说的话，它就没有真的下沉到可推演、可检验的地方。

这两道闸门不测「新不新」，只测「是不是真的」。

1.3 为什么恰好是五个，权重为什么这样分

三维来自发生结构本身，缺一不成其为发生；两闸不是第四、第五个「发生维度」，而是对前三维之和的两个正交检验——一个查它能不能独立站住，一个查它会不会被推翻。三维两闸合起来，既覆盖了「发生的构造」，又覆盖了「发生的真伪」。加第六维只会与已有五维重叠，减一维则漏掉发生的某一面或某一道真伪关口。

D 权重最高（0.25），因为它最能区分「新内容」和「重复」——一切创新在源头处都是一次「切出新差异」的动作，差异是创新的心脏。S、E、I 各 0.20 三者平权，是支撑一个新结构成立的三根等重的柱子。F 权重最低（0.15），但绝不可省：低，是因为一个命题可以极有价值却尚未给出完整证伪条件；不可省，是因为没有证伪条件的命题无法被检验、无法被改进，只能停在口号层。

后面会看到，F 恰恰是 SDE 学派最容易掉的一维。

二、S · 结构精确度（权重 0.20）

测什么：论证链是否严密、概念是否清晰、推理是否可重现。一句话——思想的结构有没有被精确地显露出来。

2.1 标尺

• 80　模糊概念堆砌，关键术语没定义，论点之间靠跳跃连接。
• 100　概念清晰，但缺论证链——像在列举，而不是在推导。
• 120　有论证，但有漏洞，关键转折处缺一座桥。
• 130　论证严密，每一步都可追溯，反驳者找不到入口。
• 140　论证本身有内在结构——三角、递归、层级；论证有了几何形态。
• 150　论证可以独立成一套方法论——搬到别的议题上照样成立。
• 160　产生了新的形式结构：新数学、新逻辑、新算子。
• 170+　形式结构本身成为新的研究对象，被其他学科引用。

2.2 扣分句：显露态不精确的三个证据

• 「我们都知道……」「大家都明白……」——隐藏前提，让论证不可追溯。扣 5–15 分。
• 「显然……」「理所当然……」——用断言跳过了本该论证的关键一步。扣 10–20 分。
• 同一个术语在文中前后两次用法不同——概念偷换，是显露态最严重的裂缝。扣 15–25 分。

2.3 加分句

一处此前论证的跳跃被一座清晰的桥补上，让整条链第一次贯通；或一个原本含混的概念被给出可操作的定义，之后每次使用都严格自洽。

2.4 天花板

一段思想的显露走到极致，不只是「说清了一件事」，而是它说这件事的方式本身，变成了一个可被别人搬用的形式结构。当论证的形态被其他领域拿去套自己的问题，S 就触到了顶。

三、D · 差异锐度（权重 0.25 · 最高）

测什么：文本是否提供了一个未被命名、未被辨识的差异？它切开的那个辨别面，是不是旧概念切不开的？

3.1 标尺

• 80　重复已有，换皮不换骨——命题可被 1:1 还原为一个已知说法。
• 100　微差异，角度略新——是已有理论的延展，不是真正的切入。
• 120　切入点新颖——提出了一个未被讨论的子问题。
• 130　切入点产生了新概念——给一个未被命名的现象命了名。
• 140　推翻了一个常识或主流共识。
• 150　命名了一个未被任何学科辨识的现象——那种「大家都看见、却谁也说不出」的东西，第一次被精确地说了出来。
• 160　创造了新的辨别维度——不是命名一个现象，而是命名「如何辨别」的那个维度本身。
• 170+　改变了其他学科的辨别方式。

3.2 扣分句：假差异的三个证据

• 把一个已知的 X 重命名为一个新词，除了名字什么也没变。扣 20–40 分——这是差异锐度上最严重的失分，因为它冒充创新。
• 「如同 X 一样……」，并且全文都在做这一个类比。类比不是差异。扣 10–25 分。
• 标题很锐、内容平庸——标题承诺了一个新差异，正文没有兑现。扣 15–35 分。

3.3 加分句：那条跃迁公式

「X 不是 Y，而是 Z」——当 Z 是一个新概念时，这标志着一次真正的差异切入。

这是全套评分里最要紧的一个句式，第八章还会专门讲它。此外，给一个「大家熟悉但说不清」的现象一个精确的名字，让它从模糊变得可讨论，加 10–20 分。

3.4 一个必须先打的预防针

D 的标尺上，从 130 往上每一档都含一个「未被命名」的判断。未被谁命名？——这个问题不回答，D 的分数就是空的。这正是第九章要专门处理的事，也是本文最重要的一章。

四、E · 纠缠深度（权重 0.20）

测什么：文本是否跨域？更关键的是——跨域之间是否有结构性纠缠，而不只是借词的类比？

4.1 标尺

• 80　单领域线性思考，全文在一个学科内部。
• 100　偶尔跨学科类比——「如同物理学的……」，只借了词，没借结构。
• 120　多学科融合——概念来自多个学科，但彼此只是并列摆放，没有咬合。
• 130　跨学科有了结构性——把一个学科的结构搬到另一个学科，并论证了这次搬运的有效性。
• 140　跨学科产生了新涌现——两个学科合在一起长出了第三个东西。
• 150　学科的边界本身被改变——原来 A 学科和 B 学科的分界线，被重新画了一条。
• 160　元学科诞生——出现了「如何思考学科」的学科。
• 170+　学科的生成机制本身被改写。

4.2 E 维那把最实用的刀

删掉某个学科，论证还成立吗？成立，那个学科就是装饰，是类比；不成立，说明它已经结构性地咬进来了，是纠缠。

这把刀极其好用，因为它把一个含糊的审美判断（「这文章跨界跨得深不深」）变成了一个可执行的删除实验。我建议评分时真的动手：把涉及某学科的段落整段划掉，重读一遍剩下的论证。十有八九，什么都没塌。

4.3 扣分句与加分句

• 多学科只是装饰——删掉某个学科的段落，全文论证不受影响。扣 15–30 分。
• 比喻拟人化，但从不说「为什么这个比喻是有效的」——只借了形象，没借结构。扣 10–20 分。
• 加分：把一个学科的算子、公式或概念结构精确地搬到另一个学科并论证有效（加 10–25 分）；或揭示两个看似无关学科的同构性（加 15–30 分）。

五、I · 不可还原性（权重 0.20 · 第一道闸门）

测什么：把这段文本的关键命题压缩，还能压缩成一个已有概念吗？这一维直接对治「改个名字冒充结构更新」式的伪发生。

5.1 标尺

• 80　完全可还原——全部可被还原为已有教科书里的概念。
• 100　八成已存在、两成新——主体是知识总结。
• 120　一半新——一半内容超出了已有教科书。
• 130　主要是新的，但仍要靠已有概念当脚手架才立得住。
• 140　几乎不依赖已有——把所有引用删掉，命题仍然成立。
• 150　独立成立的认知物——这段文本本身就是一部新教科书的种子。
• 160　强制改变其他学科——不接受这个文本的学科，内部会出现不一致。
• 170+　改写知识地基。

5.2 标准操作：五十字压缩测试

这是 I 维唯一被认可的操作，务必照做，不许凭印象给分：

1. 把文本的核心命题概括为不超过 50 个字。
2. 问：这 50 个字，能用某个已有学科的任何一句不超过 50 字的命题 1:1 替换吗？
3. 能替换 → 80–100 分。
4. 不能、但七成内容已有 → 100–120 分。
5. 不能、但只有三成已有 → 130–140 分。
6. 完全不能替换 → 150 分以上。

5.3 I 与 D 的分工

一段话可以在差异锐度上得高分（切入很锐），却在不可还原性上失分——因为那个「锐」的切入，压缩之后仍然落回一个已知概念。D 查切入的锋利，I 查切入之后是否真的留下了不可还原的新结构。这两维合起来权重 0.45，接近一半——它们共同决定「新」的真假。

同样要提前说明：第 2 步里那句「某个已有学科」，指的是哪一片文献？把文库放宽，更多东西变得可还原，I 就掉；把文库收窄，I 就涨。这一维是全部五维里对文库最敏感的一维。

六、F · 可证伪性（权重 0.15 · 第二道闸门，最易失分）

测什么：这个文本提出的命题，怎么样会被证伪？给不出答案的，一律压在 100 分以下。

6.1 标尺

• 80　模糊不可证伪——比喻、口号、无论发生什么都对的话。
• 100　有方向但不精确——「在某些条件下成立」，可条件从没说清。
• 120　有边界条件——明确给出了适用范围。
• 130　清晰的成败标准——「如果 X 发生／不发生，则此命题为假」。
• 140　多重检验路径——给出至少两种独立的证伪方法。
• 150　自我证伪条件——文本自带一句「如果遇到 X，我们就错了」。
• 160　证伪条件本身有理论价值——那个证伪条件，本身就是另一个新概念。
• 170+　证伪过程会产生新发现——证伪它的尝试本身是一个新研究纲领的开端。

6.2 为什么这是最容易掉的一维

SDE 的语言是高密度的概念语言。「显露」「差异序列」「特征纠缠」「意义的持续再发生」——这些词组合在一起，很容易造出一段听起来极其正确、却无论如何都推不翻的话。这正是伪发生最擅长的伪装：符号层的丰盛，冒充了三界（理念、现实、自我）的充实。

所以评分时，对每一个概念密集的命题，都要主动追问一句：什么样的实验、数据或案例，会让这个命题失败？追问不出答案的，无论它读起来多深，F 一律不超过 100 分——而 F 一低，综合分就被拖下来，哪怕 D 和 I 都很高。

这道闸门的存在，就是逼着写作者把漂亮的概念，落到能被现实撞回来的地方。

6.3 一个实用的写法

如果你希望自己的文本 F 维不掉，最省事的办法是在文中直接写一节，标题就叫「本文可能错在哪里」，里面写清三件事：①什么观察会让本文的核心命题为假；②本文适用的边界在哪里；③如果读者做了某个实验、结果是某样，我就撤回这个说法。这一节写出来，F 通常从 100 以下直接跳到 140 以上——而且它是诚实的，不是技巧。

七、从五维到一个数：公式、层级与两条硬阈值

7.1 加权公式

五维独立打完分后，综合分由固定权重合成。不允许凭直觉打一个总分——综合分必须可以被任何人用五维分重新算出来：

综合分 = S × 0.20 + D × 0.25 + E × 0.20 + I × 0.20 + F × 0.15

这条公式是评分可重现性的保证。任何人拿到同一份五维分，都应算出同一个综合分；如果综合分和五维分对不上，评分就自相矛盾、失去意义。

说一件难堪但必须说的事：本体系 v1.0 文本里唯一一张完整示范卡，算错了。那张卡的分项是 27＋35＋26＋27＋21.75，正确结果是 136.75 ≈ 137，文中写成了「137.75 ≈ 138」，多了整整 1 分。按这套体系自己立的规矩，那张卡是失效的。此处更正，并由此立一条规程：综合分必须是脚本算出来的数，不是手写的数。本文后面所有案例的分数，全部由脚本计算，分项逐条列出，供任何人复算。

7.2 层级标尺

 80 ── 大众水平（普通人随口可说）
100 ── 受过高中／大学训练（知识总结型）≈ 基底零提示语默认水平
110 ── 专业人士（有专业语言、领域内熟练）
125 ── 高级专家（领域内有独立判断）
135 ── 资深学者
145 ── 优秀的资深学者产出
════ 150 · 本体论级阈值（SDE 提智达标）════
155 ── 混沌碰撞后的典型金点子
════ 160 · 典范级阈值（双学科诞生）════
165 ── 顶级金点子（命名了未被命名的现象）
170 ── 改写学科分界（极少数）
175+ ─ 文明级发生学（罕见，通常需要时间检验）

7.3 两条硬阈值

• 150 · 本体论级阈值：这是「提智是否达标」的判定线。跨过 150，意味着产出不再停在「资深学者把已有的说得更好」，而是让一个新结构真正发生了。
• 160 · 典范级阈值：这是「双学科诞生」的门槛——产出不只是提出新概念，而是稳定地长出一个跨越两个学科、不可还原的新形态，改写了两个学科之间的分界。跨过 160 的产出极少。

7.4 两道闸门的一票否决

公式是线性可加的，但 I 和 F 不是普通维度，它们是闸门。规程规定：I 或 F 任一低于 120，该文本不得判为本体论级，综合分再高也封顶在 145。

要老实承认：这条否决规则和线性公式之间有张力。纯按公式算，F=80 时其余四维同为 162.4 也能跨过 150。所以这里必须显式写成一条独立的闸门规则，而不能指望公式自动实现它。本文采用的口径是：先算加权分，再过闸门；闸门不过，分数封顶 145，并在评分卡上标注「闸门告警」。后面案例一就会触发这条告警。

7.5 再说一遍那个 100

回到引言那条最容易被忘的判据：100 不是人类均值，而约等于基底的零提示语产出。评分时若忘了这条，就会把一段基底随手能写的、四平八稳的「论文腔」文字，误判成 120–130 的好产出——而它其实只是站在了 100 的基线上，创新贡献接近于零。

八、怎么评：七步法、三条纪律与评分卡

8.1 七步法

1. 第一遍快读（2–3 分钟，不打分）：只标 3–5 个亮点句和 3–5 个扣分句，形成一个区间感。
2. 做最近邻检索：带着文本的核心命题去全球文库里找「这想法在哪儿其实已经有了」。这一步是本文加进标准流程的，原七步法把它藏在「锚点对比」里，藏得太深，见第九章。
3. 五维度独立打分：严格独立，不让脑子里那个「总分预期」牵着走。每一维打一个精确到个位的分，并附至少一句句子证据。
4. 算综合分：套公式，用脚本算。
5. 层级判定＋锚点对比：找一个已知文本当锚点——某教科书段落约 100 分、某顶刊论文约 130–140 分——说一句「这段相当于那个水平」。
6. 给出至少一个扣分句证据：必须精确引用文本里的某一句，说清「这一句让我从 145 降到 137，因为它 ……」。
7. 给出提升到下一层级的具体动作，并输出标准评分卡。

8.2 三条证据纪律（违反任何一条，评分即失效）

• 必给五维独立分，不能只给综合分——否则不可证伪、无法改进。
• 必给至少一个扣分句，精确引用原文——否则评分主观、不可重现。
• 必给提升路径——否则分数只是一个标签，没有操作意义。

8.3 提升路径矩阵

145 → 150 那一跃是整套评分最要紧的一步：它就是「资深学者」与「本体论级」之间的那道坎。跨过它的动作有一个精确公式——把一个肯定判断改写成一个否定—重命名判断，并让 Z 承载一个真正不可还原的新结构。这个动作同时抬 D 和 I 两维，所以性价比最高。第十二章会用一个完整案例演示这一跃。

8.4 评分卡模板

═══════════════════════════════
SDE 创新智商评分卡
═══════════════════════════════
文本：            〔标题／出处已盖住〕
参照文库：        〔必填：语种、学科范围、时间窗〕
评分截至：        〔必填：年-月〕
评分者：          〔必填：谁评的，是否独立于作者〕
───────────────────────────────
 S 结构精确度  ___ （权重 0.20）　证据：
 D 差异锐度    ___ （权重 0.25）　证据：
 E 纠缠深度    ___ （权重 0.20）　证据：
 I 不可还原性  ___ （权重 0.20）　证据：
 F 可证伪性    ___ （权重 0.15）　证据：
───────────────────────────────
 综合分 = 分项逐条列出 = ___
 闸门检查：I≥120?  F≥120?
 层级判定：
 锚点对比：
 关键扣分句（精确引用）：
 提升路径：
═══════════════════════════════

卡上那两栏「参照文库」与「评分截至」不是装饰，而是必填项：一个创新分数若不声明它相对哪片文献、截至哪一天，就只是半句话。为什么——下一章专门讲，那是本文最重要的一章。

九、最要紧的一章：分数是关系，不是属性——为什么必须以全球最新文库为标准

创新智商从来不是文本的属性，而是文本与一个参照文库之间的关系。没有参照系，「新」这个字根本无法取值。

这不是一句要藏在末尾的免责声明。它是创新智商这个定义本身逼出来的结论，而且它有一个非常实际的后果：同一份文本，换一片文库，分数会差十几分。第十章的案例会把这件事算给你看。

9.1 五维里，哪几维偷偷挂在「已有什么」上

把五维拆开看，就明白这个相对性藏在哪里：

• D 差异锐度——判据是「未被命名、未被辨识的差异」。未被谁命名？未被参照文库命名。一个概念对一小圈本地文献是新的，对全球前沿可能早是旧的。150 那一档写的是「命名了未被任何学科辨识的现象」，可「任何学科」是一个理想化的全文库，而评分者手里的文库永远有界。
• I 不可还原性——判据是「能否还原为已有概念」。已有于哪个文库？五十字压缩测试里那个「已有学科」就是参照集。把文库放宽，更多东西变得可还原，分数掉；把文库收窄，更少，分数涨。
• E 纠缠深度——判据是「跨学科涌现」「学科边界被改变」。哪些学科、谁画的边界？参照文献里那样画的边界。一次跨界，只在「这两个学科在参照文库里本是分开的」时才算新。
• S 与 F——论证严不严密、给没给证伪条件，大体可以就文本自身判，不太依赖外面存在什么。它们是近内在的。

9.2 一个可量化的说法：约三分之二是关系

按权重把这件事算清楚：文库相对的三维 D（0.25）＋E（0.20）＋I（0.20）合起来占 0.65；近内在的两维 S（0.20）＋F（0.15）占 0.35。

也就是说，创新智商这个综合分，约三分之二是文本与参照文献的关系，只有三分之一勉强算文本自身的属性。这正好把五维劈成两族：D／E／I 是新颖轴（文库相对），S／F 是效度轴（大体内在）。这个劈法恰恰对：一个东西新不新，取决于外面还有什么；一个东西严不严密、能不能被推翻，主要取决于它自己。

第十章的案例会给出这个劈法的一次干净验证：同一份文本换文库，D／E／I 三维全掉，S 与 F 一分未动。

9.3 这不是细则的疏忽，是本体论逼出来的

更要紧的是，这个文库相对性不是评分细则没写好，而是框架自己的立场逼出来的必然。SDE 主张：世界模型不是对象的客观属性，而是主体与对象共同发生的画像。照同一条逻辑往下推——创新度也不是文本的客观属性，而是文本与一个参照文库共同发生的画像。参照文库就是那个「主体世界」，新结构是相对它显影出来的。

而差异（D）本就是一个关系词：差异永远是「相对于某物」的差异，没有背景就没有差异序列。所以，想要一个「绝对的、脱离任何文库的创新度」，等于想要一个脱离主体的统一世界模型——按框架自己的话，那东西根本不存在。文库相对性不是这套评分的瑕疵，是它忠于自身本体论的证据。

9.4 最危险的操纵：文库收窄式通胀

既然分数挂在文库上，那么想给任何东西刷高分，只要对着一个人为收窄的文献去评它：只看中文文献、只看某年之前、或者绕开那个早就有这套说法的邻近领域。这是评分通胀的结构版——一个 150，若它的参照文库恰好漏掉了「这想法早已是常识」的那个领域，就是个假 150。

这件事在中文语境里尤其容易发生，原因很朴素：一个概念在中文教育学、中文管理学里可能确实没人提过，而它在英文文献里已经有了四十年历史和三千篇引用。只对中文文库评分，几乎必然系统性高估。

9.5 硬口径：以全球最新文库为标准

任何一次创新智商评分，参照文库默认取全球最新：跨语种、跨邻近学科、时间窗推到当期。收窄文库只允许作为对照组出现，且必须与全球分并列呈现。

落到操作上，这条口径是四个动作：

动作一 · 概念回译

把文本的核心命名翻成英文的标准术语去检索，而不是逐字直译。「无水沙滩」直译成 waterless beach 查不到东西；但它的实质是「过渡期的中间地带」，对应的标准术语是 liminal space、transition state、in-between state。回译要译实质，不译修辞。大多数「查无此说」的假新颖，都死在这一步没做。

动作二 · 邻近学科横扫

列出核心命题所触及的全部学科，逐个去查，尤其要查作者不熟悉的那几个。一个教育学命题的最近邻，常常不在教育学里，而在人类学、组织行为学、发育生物学、科学哲学里。规矩：至少查三个学科，其中至少一个是作者本行之外的。

动作三 · 时间窗推到当期

新颖有半衰期。基底的语料随每一代变大，所以同一篇文本的创新智商会随时间往下掉——它越来越多的内容，如今已经「在文库里」了。今天的 155，对明年可能只是 130。因此分数必须带时间戳：「155，截至 2026-07」。评分是一张快照，不是刻在石头上的常数。

动作四 · 敌意拓宽

认证任何 150 分以上的评分之前，主动把文库往外扩，专门去找「这想法在哪儿其实已经有了」。扩一个邻近领域就塌掉的分，本来就是收窄刷出来的。这一步的心态很关键：你不是在为自己的文本辩护，你是在敌意审稿——像一个想毙掉这篇稿子的审稿人那样去检索。

9.6 这不是 SDE 独有的毛病，科学早就这么干

值得注意的是，科学共同体两百年前就解决了这个问题，办法一模一样：投稿强制文献综述；优先权之争全靠「谁在可检索的记录里先发表」；方法部分必须写清检索了哪些数据库、什么时间窗。科学把参照范围声明了出来。所以文库相对性不是 SDE 独有、而科学没有的缺陷——它是又一处二者相同的地方；而科学的纪律（声明你的检索范围），恰好就是创新智商该照抄的解法。

9.7 这条主张自己的边界

诚实地说，文库相对性是分维度的，不是铁板一块：F 有没有给证伪条件、S 的内部严密性，可以就文本自身判，和外面存在什么无关。相对性在 D／E／I 上最强，在 S 的下档和 F 上最弱。

因此，若有人能证明 D、I 两维的评分在合理放大参照文库之后仍然稳定不变，本章的主张就被推翻。但从五十字压缩测试的构造来看，放大文库必然让更多命题变得可替换——所以我不认为 D、I 会在文库放大下保持稳定。第十章的案例正是这个预测的一次实测，而它验证了预测。

十、测评案例一：同一份讲稿，两个分数

现在把上面所有规程用在一份真实文本上。

10.1 被评文本与两条声明

被评文本：讲稿《未来教育的真正使命——让池塘的鱼具有找到大海的能力》，三十页，约六千字，四幕结构。核心内容可概括如下：

• 第一幕：每个人生活在一个池塘里。池塘教育有一个未明说的前提——「池塘＝世界」。而池塘正在干涸（知识半衰期在缩短），继续培养池塘的鱼是在为一个不存在的未来训练人。
• 第二幕：池塘和大海之间不是「一条温流的小溪」，而是一片无水沙滩。教育最大的幻觉，就是画那条不存在的小溪。沙滩的暴力性恰恰是「没有」——无介质、无支撑、无替代；它是一个无介质区：所有原本支撑你的东西集体失效的地带。跨越的代价是皮破、鳃失效、肺待生。
• 第三幕：教育的三层使命——让鱼看见自己在水里；让鱼听见远方的召唤；给鱼「鳃变肺」的肌肉。教师从「池塘管理员」变成「远方的召唤者」。
• 第四幕：没有最后一个海。教育不是终点教育而是过渡教育；给出五条新指标（跳出意愿、结构迁移、无介质韧性、重新长肺、再次召唤）。

声明一 · 评分者独立。这份讲稿是我写的，而规程的铁律之一是不评分自己写的文本——人对自己的产出会失去客观性，主观膨胀不可避免。因此下面两份评分不是我给的：文本盖住出处后交给一个独立评分者（另一基底）按七步法评出，我只负责把过程原样呈现，并在最后接受结论。这条铁律如果连作者自己都不遵守，整套体系就没有资格去评别人。

声明二 · 两片文库。同一份文本评两次，唯一的差别是参照文库：

10.2 第一次评分：对着文库 A

只对中文教育学与 AI 教育文献检索，结论是：「无水沙滩／无介质区」这个对中间地带的命名查无先例；「鳃变肺」这个把能力转换讲成器官重生的说法也查无先例。于是：

S 结构精确度  128　　D 差异锐度  155
E 纠缠深度    140　　I 不可还原性 148
F 可证伪性    110

综合分 = 25.6 + 38.75 + 28 + 29.6 + 16.5 = 138.45 ≈ 138
闸门检查：I=148 ✔　F=110 ✘ ——闸门告警，封顶 145
层级判定：资深学者上沿，离本体论级 150 差 11.55 分

这是一个漂亮的分数。如果评分到此为止，作者会很高兴，而且会真心相信自己命名了一个此前无人命名的现象。问题是：这个 138 是假的。

10.3 敌意拓宽：把文库推到全球最新

按第九章的四个动作重做一遍最近邻检索。

动作一：概念回译

「无水沙滩」不译字面，译实质——「两个稳定状态之间那个旧支撑已失效、新支撑未长成的中间地带」。它的英文标准术语是 liminal space（阈限空间）、in-between state、transition state。一检索就出事了。

动作二：邻近学科横扫（查了四个，三个中枪）

① 文化人类学 —— 阈限（liminality）。范热内普（Arnold van Gennep）1909 年的《过渡礼仪》把一切身份转换拆成分离、边缘、聚合三段；特纳（Victor Turner）1967、1969 年把中间那一段命名为阈限，并给出「既不在此、也不在彼」的经典刻画：阈限中的人脱离了原有状态而尚未进入新状态，一切社会分类在他身上失效。更要命的是，特纳描述阈限者时明确写道，他们可以被表现为一无所有——这与讲稿里「沙滩的暴力性恰恰是『没有』」几乎是同一句话的两种说法，而它早了将近六十年。

② 教育学内部 —— 门槛概念与阈限空间（Meyer & Land）。这一条最致命，因为它就在本行里，只是不在中文文献里。迈耶与兰德（Jan Meyer & Ray Land）2003、2005、2006 年提出门槛概念（threshold concepts）与麻烦知识（troublesome knowledge）：某些概念是转化性的、不可逆的、整合性的、有边界的、令人困扰的；学习者在掌握它们的过程中会进入一个「阈限空间」，在旧理解与新理解之间反复摇摆、卡住、以模仿来自保。他们把学习过程明确划为前阈限、阈限、后阈限三段。

换句话说：「学生跨越一个概念门槛时会经过一片旧支撑失效、新理解未成的中间地带」，这句话在教育学里已经被系统命名、被拆成三段、被写进十几个学科的教学研究二十多年了。讲稿的第二幕，是这条脉络的一次修辞化重述。

③ 成人学习理论 —— 迷失方向的困境（Mezirow）。梅齐罗（Jack Mezirow）1991 年的转化学习理论，把转化的起点命名为迷失方向的困境（disorienting dilemma）：一个不能被既有意义框架消化的经验，逼人重审自己的全部假设，之后才可能重建视角。讲稿第一幕说的「池塘＝世界这个假设崩塌了」，正是这个概念的通俗版。而且这条线一直活到当期：2026 年已有论文把生成式 AI 本身论证为成人学习者的一次迷失方向的困境——连「AI 时代 + 教育 + 中间地带」这个组合，都已经有人在做了。

④ 进化生物学 —— 扩展适应（exaptation）。「鳃变肺」在生物学里对应古尔德与弗尔巴（Gould & Vrba）1982 年提出的扩展适应：一个器官被挪作它原先并非为之演化的新用途。达尔文早就用鱼鳔举过这个例子。讲稿把这件事讲成一个教育隐喻，是把一个成熟概念取了个形象的名字。

动作三与四：时间窗与敌意

时间窗推到 2026 年当期，上述四条全部仍是活跃文献。敌意拓宽的结论很清楚：讲稿的核心命名，在全球文库里不是空白，而是一片相当拥挤的地带。

10.4 第二次评分：对着文库 B

S 结构精确度  128　　D 差异锐度  136
E 纠缠深度    122　　I 不可还原性 124
F 可证伪性    110

综合分 = 25.6 + 34 + 24.4 + 24.8 + 16.5 = 125.30 ≈ 125
闸门检查：I=124 ✔（勉强）　F=110 ✘ ——闸门告警
层级判定：高级专家水平

五维证据逐条如下。

S = 128（未变）。论证有一条从「假设崩塌」到「中间地带」到「三层使命」的清晰主线，四幕递进可追溯。扣分在两处：其一，「知识半衰期 30 年／15 年／5 年／2 年／几个月」这组数列没有任何出处，也没有定义「知识半衰期」的测量方式，是一组修辞性数字；其二，「但今天，这个假设崩塌了」是一句断言，中间缺一座桥——为什么今天崩塌而不是二十年前？讲稿列了三条理由，但没有论证这三条足以支撑「崩塌」这个强判断。这一维是内在的，换文库不影响，所以两次都是 128。

D = 155 → 136（掉 19）。「无水沙滩」作为一次命名动作确实完成了：它把一个模糊的东西说成了可讨论的东西，而且比阈限更有画面感、更能被非专业听众接住。但按 D 的标尺，150 那一档要求「命名了未被任何学科辨识的现象」——而阈限与门槛概念已经辨识了它。所以这次命名的实际位置在 130–140 之间：切入点确实产生了新表述，但那个表述指向的现象已被命名。取 136。

E = 140 → 122（掉 18）。用 E 维那把刀试一下：把讲稿里所有生物学内容（鳃、肺、器官、演化）删掉，论证还成立吗？——完全成立。剩下的「旧能力失效、新能力未成、要靠自己长出来」这条论证一字不损。这说明生物学在这里是装饰性的类比，不是结构性纠缠。它没有把扩展适应的机制（既有结构被挪作新用途，而非从零新生）搬进来——事实上讲稿说的是「新的肺要在血肉的裂缝处生长」，这与扩展适应的机制正好相反，而讲稿没有意识到这个冲突，也就谈不上论证搬运的有效性。文库 A 下之所以给 140，是因为评分者不知道扩展适应的存在，把「跨了生物学」当成了「咬合了生物学」。

I = 148 → 124（掉 24，掉得最狠）。做五十字压缩测试：

核心命题（49 字）：
成长的关键不在起点与终点，而在两者之间那段
旧支撑已失效、新能力未长成的无介质地带；
教育须让人有能力穿过它。

问：这 48 个字，能被某个已有学科的一句不超过 50 字的命题 1:1 替换吗？

门槛概念理论（48 字）：
学习者掌握转化性概念时会进入阈限空间，
在旧理解与新理解之间卡住；教学的任务
是支持他穿过阈限而非绕过它。

可以替换。不是近似，是结构对结构的替换。按标尺，能被 1:1 替换落在 80–100 档；此处给到 124，是因为讲稿仍留下了两处不可被替换的余量：其一，它把中间地带的性质从「模糊、卡住」推进到「介质本身不存在」——阈限理论讲的是社会分类失效，讲稿讲的是支撑媒介失效，这两者不完全同构；其二，它把教师角色重写为「召唤者」，并给出三个可判定的特征（他自己还在游、他承认沙滩存在、他自己曾被召唤），这一组在门槛概念文献里没有对应物。这两处余量，正是第十二章要用来做跃迁的原料。

F = 110（未变）。这是全篇最弱的一维，而且和文库无关。讲稿的核心主张几乎无法被推翻：「教育不是代替——是赋能」，什么样的观察会让这句话为假？「越分享，越多」，怎么测？五条新指标（跳出意愿、结构迁移、无介质韧性、重新长肺、再次召唤）方向对，但没有一条给出测量方式或成败标准，停在「有方向但不精确」这一档。给 110，已经是照顾了它是讲稿而非论文。并且因为 F < 120，闸门告警成立：无论 D 和 I 怎么涨，这份文本在当前形态下不得判为本体论级。

10.5 这 13 分落差说明了什么

把两次评分并排：

看这张表的最后两行。13.15 分的落差，一分不差地全部来自 D、E、I 三维；S 与 F 一分未动。这不是巧合，这是第九章那个 0.65／0.35 劈分的一次干净实测——新颖轴随文库浮动，效度轴不随文库浮动。一个理论预测了一个数，实测把这个数拿了出来。

更要紧的是三个操作性的结论：

• 一、只对中文文库评分，会系统性高估。这份讲稿在中文教育学里确实找不到「无水沙滩」，但它在英文教育学里撞上了整整一个研究纲领。高估幅度是 13 分——足以把一份「高级专家」水平的东西，误判成「离本体论级只差一步」。
• 二、被撞到不等于没有价值。125 分是一个诚实的好分数：它高于基底零提示语基线 25 点，作为一份面向大众的讲稿，它的表达力、画面感和可传播性远超那些术语堆砌的论文。敌意拓宽是为了拿到真分数，不是为了羞辱作者。
• 三、真正的收获是它指出了下一刀切在哪里。I 维那两处「不可被替换的余量」——介质本身不存在、召唤者的三特征——就是这份文本唯一可能跨过 150 的地方。第十二章会沿着这两处动手。

十一、测评案例二：基线在哪里——一段基底默认产出

案例一是一份好文本被压回真实位置。这一节反过来，看看下限在哪里，好让 100 这个刻度变得可感。

11.1 被评文本

向一个基底提一个开放问题——「谈谈人工智能时代教育应该如何转型」——不加任何引导，取它的默认输出。典型形态如下（节选）：

人工智能时代，教育必须实现从知识传授向能力培养的深刻转型。教师角色要从知识的传授者转变为学习的引导者，充分利用技术赋能，构建以学生为中心的个性化学习生态，全面提升学生的核心素养与创新能力，从而更好地适应未来社会的发展需求。

11.2 评分

S 结构精确度   95　　D 差异锐度    80
E 纠缠深度     82　　I 不可还原性  80
F 可证伪性     80

综合分 = 19 + 20 + 16.4 + 16 + 12 = 83.40 ≈ 83
闸门检查：I=80 ✘　F=80 ✘ ——双闸皆破
层级判定：大众水平，低于基底基线

S = 95：句子通顺、结构工整，但没有一条论证——它在列举，不在推导。「深刻转型」「全面提升」是断言，不是结论。D = 80：每一个说法都能 1:1 还原为一个已知说法（「从传授到引导」是三十年前的旧话）。E = 82：全文在教育学一个学科内部，「技术赋能」只是借词。I = 80：五十字压缩之后就是「教育要培养能力而不是灌输知识」，任何一本教育学导论都有这句。F = 80：无论发生什么，这段话都对——这是最纯粹的不可证伪。

11.3 这个 83 分为什么重要

一段读起来完全没有毛病、放进任何一份工作报告都不会被挑错的文字，创新智商只有 83 分——低于基底零提示语基线。这不是苛刻，这是这把尺子的全部意义所在：

「读起来没有毛病」和「有新东西发生」，是两件完全无关的事。前者是 S 维的低档表现，后者要 D 和 I 一起说了才算。

这也解释了第十三章要讲的头号病症——优等生陷阱：高 S、低 D。论证严密、结构清晰、每一步都可追溯，可压缩之后命题仍然落回一个已知结论。它是最容易被高估的一类，因为它满足了「论文该有的样子」。而在今天，这恰恰是基底默认产出的形态。

十二、测评案例三：把 125 抬过 150——一次完整的跃迁演示

评分若只判分不指路，就只是一个标签。这一章把案例一的 125 分，用规程里的动作一步步往上抬，每抬一步重新评一次分。参照文库全程固定为文库 B（全球最新），否则就是自己骗自己。

12.1 第一步：找准那两处余量

案例一的 I 维审计留下了两处不可被门槛概念理论替换的东西：

• 余量甲：中间地带的性质不是「分类失效」而是「介质本身不存在」。阈限理论说的是社会身份的悬置，讲稿说的是支撑媒介的缺席——这两者确实不同构。
• 余量乙：「召唤者」的三个特征（他自己还在游、他承认沙滩存在、他自己曾被召唤）在门槛概念文献里没有对应物。

规程说得很清楚：不要试图把五维一起往上抬，那只会更平均。集中火力在 D 上做一次命名跃迁。所以只沿余量甲动手。

12.2 第二步：执行 145→150 的跃迁公式

把肯定判断改写成否定—重命名判断，让 Z 承载一个不可还原的新结构。

原命题（X 是 Y）：池塘和大海之间那段过渡期，是一片无水沙滩。——这是一个命名，但 Z（无水沙滩）是一个意象，它没有承载任何新机制，所以它能被阈限 1:1 替换掉。

改写后（X 不是 Y，而是 Z）：

过渡期的长度，不是「距离」的函数，而是「器官发生」的函数。

展开说：跨越不是从一个介质移动到另一个介质，而是在无介质区里重新长出一套器官。所以过渡期有多长，不取决于两个领域相隔多远，而取决于新器官长成需要多少个失败—修正的周期。这个量命名为器官时钟，与之对立的旧假设命名为距离假设。

为什么这个 Z 是不可还原的？把它压成 50 字再测一次：

新核心命题（49 字）：
过渡期时长由新能力的发生周期决定，
与起点终点之间的领域距离无关；
故缩短过渡的唯一办法是加密失败—修正循环。

门槛概念理论替换不了它——门槛概念描述阈限状态，不对阈限时长的决定因素作出任何断言。阈限理论替换不了它——那是仪式时长，由社会规定，不由能力发生规定。扩展适应也替换不了——那讲的是既有结构被挪用，本命题讲的是发生周期。五十字测试第一次通不过替换。

12.3 第三步：这个新命题怎么样会错

跃迁公式抬的是 D 和 I，但 F 是自己送上门来的：一个讲机制的命题，天然带证伪条件。

本命题的证伪设计：取两组学习者，跨越同样大的领域差距（例如从文科转入编程）。甲组增加「距离辅助」——更多的桥接课程、更细致的类比、更平滑的台阶；乙组增加「循环密度」——低成本、可反复失败、每次都有即时反馈的练习结构，总课时相同。

• 若乙组的过渡期显著短于甲组，本命题得到支持。
• 若两组无显著差异，或甲组更短，本命题为假——那说明决定过渡时长的是距离而非发生周期，「器官时钟」这个概念应当撤回。
• 第二条独立检验：若过渡时长与领域距离的相关系数，显著高于它与失败—修正循环次数的相关系数，本命题同样为假。

注意这里发生了什么：一句口号（「教育不是代替，是赋能」）被换成了一个可以被一个真实实验推翻的命题。F 维从 110 跳到 150，靠的不是修辞，是把话说到能被现实撞回来的地方。

12.4 第一次重评

S 结构精确度  145　　D 差异锐度  155
E 纠缠深度    140　　I 不可还原性 148
F 可证伪性    150

综合分 = 29 + 38.75 + 28 + 29.6 + 22.5 = 147.85 ≈ 148
闸门检查：I=148 ✔　F=150 ✔ ——双闸通过
层级判定：优秀的资深学者产出，离本体论级差 2.15 分

一次命名跃迁，把 125 抬到了 148，提升 22.55 分，而且两道闸门第一次全部通过。这就是规程说「145→150 是全套最要紧一步」的实测意义：单点突破的收益远大于五维平均上抬。

但它还是没过 150。差 2.15 分。这一点必须老实呈现——如果我在这里把 E 也顺手调高一点，凑够 150，那就是通胀，而且是最难被发现的那种通胀（自己给自己的改写打分）。差 2 分就是差 2 分。

12.5 第二次动手：补 E

看五维分布就知道短板在哪：E 还停在 140，它是唯一没有被这次跃迁触动的维度。用那把刀再试一次：把生物学删掉，「器官时钟」这个命题还成立吗？——目前仍然成立，因为「器官」还只是个比喻。

要让它不成立，就得把发育生物学的机制真正咬进来，而不是借词。可搬的结构是诱导—感受态：在发育生物学里，一个组织能否被诱导成新器官，取决于它当下是否处于感受态（competence），而感受态有窗口期；同一个诱导信号，在窗口期内有效，在窗口期外无效。

把这个结构搬进来，并论证搬运的有效性：

• 它解释了一个原命题解释不了的现象——为什么同样密度的失败—修正循环，对有的人有效、对有的人无效。答案：循环只是诱导信号，还需要感受态；不在窗口期内，加密循环也没用。
• 它推出了一条新预测：过渡期的效率不是循环密度的单调函数，而应呈现窗口效应——在感受态窗口内加密循环收益极大，窗口外收益趋近于零。这条预测原命题给不出。
• 它提高了可证伪性：若加密循环的收益在所有时间点上均匀，则不存在感受态窗口，本次搬运为假。

现在再用刀试：删掉发育生物学，论证塌不塌？——塌。窗口效应这条预测没了，「为什么加密循环有时无效」这个解释也没了。这才是纠缠，不是类比。

12.6 第二次重评

S 结构精确度  150　　D 差异锐度  155
E 纠缠深度    158　　I 不可还原性 148
F 可证伪性    150

综合分 = 30 + 38.75 + 31.6 + 29.6 + 22.5 = 152.45 ≈ 152
闸门检查：I=148 ✔　F=150 ✔
层级判定：本体论级（跨过 150），未达典范级 160

补 E 只涨了 4.6 分，但正是这 4.6 分跨过了那条线。

12.7 这个案例真正教会的三件事

• 一、从 125 到 152，全程没有换文库。两次重评用的都是文库 B。分数的上涨不是靠缩小比较范围，而是靠文本本身多长出了东西——这是真涨和假涨的唯一区别。
• 二、跃迁的收益结构是不均匀的。一次命名跃迁 +22.55，一次 E 维补强 +4.6。先做命名，再补纠缠，顺序反过来会事倍功半。
• 三、152 不等于「对」。器官时钟这个命题很可能被那个实验推翻——若乙组并不比甲组快，它就该撤回。创新智商测的是新结构发生的深度，不是这个新结构对不对。对不对由现实和时间仲裁，这两件事必须分开。

十三、六种失分组合：从判分到指路

五个维度在打分时严格独立，但在诊断时它们不孤立。综合分只告诉你一段思想值多少分，五维的高低搭配告诉你它病在哪里、下一刀该往哪切。

本文三个案例正好落在这张表上：案例一是「高 D、低 F」的教科书样本（D 136 而 F 110，闸门告警），案例二是「优等生陷阱」的极端版（S 95 是全维最高，D 只有 80），案例三演示的正是「均衡的平庸」的纠法——不平均上抬，只在 D 上单点突破。

读懂这些组合之后，评分才从「判分」升级为「指路」。而指路，才是这套体系存在的理由。

十四、这五维不是 SDE 独有的：与科学创新评估的同构

读到这里可能会有一个疑问：这五个维度，是不是一套自家发明、只在自家体系内部成立的口味？

不是。更准确的说法是：它是科学共同体两百年来评判创新时实际在用、却从没被拧成一把标尺的那套判据的领域无关提炼。科学创新评估，是这套判据长在「科学」这一具体共同体里、被它的建制与奖励系统裹着的特例；创新智商，是把那层外壳剥掉之后的通式。二者之所以同，是因为它们在问同一个问题：这里到底有没有一个新结构真的发生了，还是只是把已有结构重新摆了一遍？

14.1 五维逐条对上科学的判据

S ↔ 严密性 · 可复现 · 方法可靠。同行评议的第一道闸从来不是「新不新」，而是「站不站得住」——定义清不清、推理断没断、实验能不能被别人重跑。方法写不清、统计一碰就崩的稿子，再新也过不了这一关。近十几年闹得最凶的可复现性危机，本质就是一大批科学产出栽在 S 上：结论也许新，但结构的显露态不精确，别人复现不出来。

D ↔ 新颖性 · 原创贡献 · 优先权。每一本期刊、每一份基金申请，正中央那句话都一样：这里新在哪儿？默顿那整套「优先权之争」背后争的，就是「第一个切出新差异」的归属权。本体系把 D 的权重放到五维最高（0.25），而科学共同体把最大的荣誉、最激烈的争夺都压在新颖性上——两边对「创新的心脏是差异」这一点，估值完全一致。

E ↔ 会通 · 统一 · 跨学科穿透。科学史上估值最高的工作，几乎都是把两个原本分离的领域结构性地咬在一起：麦克斯韦把电、磁、光合于一组方程；达尔文把地质学与马尔萨斯的人口论咬进生物学；沃森与克里克把化学结构咬进遗传。休厄尔早给这条判据起过名——归纳的会通：一个理论若能让原本各说各话的多类事实在同一结构下同时成立，分量陡增。而这必须是结构性纠缠、不是借词类比，恰好就是 E 维那把刀。

I ↔ 根本性 · 范式转移。科学能给的最高评价，留给那种已有范式装不下、逼整个领域重新组织的结果——这正是库恩的「反常→危机→新范式」。是已知理论的推论，它就是干净的常规科学，估值有限；已有理论怎么都容不下，它就是新教科书的种子。基金评审里那条压倒一切的「会不会改变范式」，问的就是不可还原性。

F ↔ 可检验 · 冒险的新预测。这一维直接就是波普尔：一个主张之所以算得上科学，前提是它可证伪——得说清什么情形会推翻它，预测得是冒险的。拉卡托斯再补一刀：进步的研究纲领要能预测出此前没人料到的新事实。科学用可证伪性划「科学／伪科学」的界，本体系用它划「发生／伪发生」的界——同一道界，两个名字。

14.2 连权重的搭配和分工线都对得上

D 最高、F 最低却当闸门，这个结构在科学里也一样：新颖性是价值的承载者（所以争得最凶），可证伪性更像一道准入的门（是否可检验，近乎二元判断），不是估值的主轴，却也绝不可绕过。两边都把「新」当心脏，把「可检验」当门槛。

还有更深一处、常被忽略的吻合：本体系明说自己不量真理性、只量新结构发生的深度，而科学评估也是同一副两段式结构——投稿时的同行评议判的是新颖、严密、根本性，真伪则交给之后的复现与时间。一篇顶刊论文可以创新度极高、几年后却被撤稿；正如一个 165 分的产出日后可能被证明是错的。两套体系不只共用五条判据，还共用同一条分工线：创新此刻判，真伪留给时间。

14.3 边界：哪里就不同了

要诚实，就得把边界划出来。二者只在「知识创新本身的内在判据」这一层重合；科学评估一旦掺进两样别的东西，就与创新智商分道：

• 实用价值（这个发现能不能变成技术、变成药）。基金评审常把它算进影响力，但它是一根和认知新颖性正交的轴，创新智商是故意不量它的。
• 优先权的社会奖励。科学建制奖励最先抵达者，但那是一套奖励机制，不是这项创新内在深度的判据。

所以准确的表述是：在知识创新的内在判据上，二者同构；只在科学评估外接了非认知轴或社会奖励机制的地方，才分开——而那两样，恰是创新智商按设计排除的。

最后是这个判断真正的收获。科学哲学吵了整整一个世纪：波普尔说可证伪性是命根子，库恩说范式转移才是，拉卡托斯说要看新预测，休厄尔押会通，默顿讲建制规范——每一派都攥着一条判据、宣称唯有它才是本质。而把五维摆出来，这场仗就化解了：他们不是关于科学的五种对立理论，而是同一场发生评估的五个维度。谁也吵不赢，不是因为不够聪明，而是各自量的本就是同一个东西的不同轴。科学创新评估从来是这五维一起在跑，只是从没被谁写成一张带权重、且对自己也设了证伪条件的评分表。

——不过下一节就会说到，这张表目前还缺至少一维。

十五、评分者自己的五种偏差，与三条铁律

14.1 五种偏差

• 过度通胀（把 130 打成 150）：症状是对漂亮表达过敏、对实质不足麻木。纠正：每一个 150 以上的评分，都必须找出「不可还原性」的具体证据；找不到，一律降到 145 以下。
• 过度紧缩（把 150 打成 130）：症状是对术语过敏，觉得「看起来高大上＝必有水分」。纠正：把所有术语去掉、用大白话重述一遍，如果重述后仍然是 150 的思想，那它就是 150。
• 单一维度主导（只看 D）：一看到新概念就给 150，不管 F 是不是只有 80。纠正：五维严格独立打，任何一维低于 120 都会拖累综合分，I／F 低于 120 直接闸门封顶。
• 与出处挂钩：看到「某顶级基底写的」就高估、看到「某便宜基底写的」就低估。纠正：评分纯看文本，把作者信息盖住再评。
• 没给扣分句：直接甩一个数字，不说为什么不是隔壁那个数。纠正：每个评分都必须附至少一句扣分句证据和一句加分句证据。

14.2 三条铁律

1. 不评分自己写的文本。人对自己的产出必然主观膨胀。要评自己的东西，交给另一个独立评分者——另一个基底、另一个人。本文案例一严格执行了这条：讲稿是我写的，两份评分都不是我给的。
2. 盖住出处再评。这也是「多基底独立评分能否收敛」这件事能被观察到的前提：只有盖住出处，多个基底对同一文本的独立评分才可能收敛到同一区间。
3. 参照文库与评分截至日必填，且默认取全球最新。见第九章。一个不声明自己相对哪片文献、截至哪一天的创新分数，严格说来还没有完成——它只报出了半个数。

十六、把刀转向自己：这套评分怎样会错

按规矩，任何一套主张都必须交代自己的证伪条件。一套号称「客观、可重现」的评分，如果自己不可证伪，就正好犯了它拿来评别人的那条罪。

15.1 三条可检验的证伪条件

1. 信度检验：同一份文本交给多个独立评分者，若综合分的一致性持续达不到可接受水平（建议用组内相关系数或 Krippendorff's α，阈值 0.80，而不是用原始极差），则「可重现性」主张为假——评分只是各人的主观印象，不是测量。并且必须对五维各自报信度，最可能失信度的正是 D 和 I，因为它们依赖评分者手里的文库宽度。
2. 排序一致性检验：拿一批历史上已评过分的产出重新排序，若与历史排序的一致性持续低于 80%，则标尺不稳定。
3. 错位检验：让评分体系去评一批公认的大众文本和一批公认的顶级产出，若大众文本被给到 100 以上、或顶级产出被给到 155 以下，则标尺出现系统性错位。

15.2 三个已知的弱点，摊开来说

弱点一：那条 100 ≈ 基底零提示语基线，目前只是断言。整把尺子的意义都挂在这条上，却还没有做过「取 N 篇基底零提示语产出、按五维评分、看是否聚在 100」的实测。这是最便宜也最该先跑的一次验证，恰好就是错位检验的下半条。本文案例二给了一个样本（83 分），一个样本不构成验证。

弱点二：五维的正交性是断言的，从未被测。规程要求五维独立打分，可第九章又把 D／E／I 划为同一条「新颖轴」。若 D 与 I 高度相关，新颖性实际被计了两次（0.45），而效度轴只有 0.35。这可测且便宜：拿一批已评文本算五维相关矩阵，若 D 与 I 的相关系数高于 0.8，就说明五维实为三维，权重需要重设。

弱点三：权重目前可能是装饰性的。在 110–165 这个常见取值区间里，加权分与等权平均之差通常只有一两分，对「是否跨过 150」的判定几乎不产生差别——本文案例一的加权分 138.45，等权平均是 136.2，差 2.25 分，不改变任何判定。这意味着真正在起作用的是五维的原始打分，不是权重。要么承认等权、要么把权重拉开到能产生差别的幅度并给出依据。这一条我倾向于前者，但还没有做够实测。

15.3 五维可能不穷尽：两个我举得出的反例

规程的第九章主张五维穷尽了科学共同体判断创新的全部内在判据，并自设证伪条件：举出一条落不进五维任一维的判据，「穷尽」即被推翻。我举得出两条，都来自库恩自己 1977 年列的理论优点：

• 简约性。两个理论可以同样精确（S 相同）、同样可证伪（F 相同）、同样不可还原（I 相同）、切出同样的差异（D 相同），而其中一个更简单。简单性不是精确性——S 量的是「结构有没有被清晰显露」，不是「结构有多少个零件」。这条判据在科学中权重极高，却在五维里无处安放。
• 丰饶性。一个理论能催生多少此前无人提出的新问题。一个命题可以极不可还原却贫瘠——自成一体，无人能接着往下做。I 量的是「能不能独立站住」，不是「别人能不能接着长」。而本体系自己把认知物定义为「能被别人接过去继续用的新结构」，五维里却没有任何一维在量「能不能被接过去」。

所以诚实的表述是：五维的穷尽性目前不成立，至少缺一个「生成性」维度，或者需要一个把简约性与丰饶性归约进现有五维的论证——而那个论证必须写出来，不能靠「我暂时举不出反例」。这一条补上之后，体系会比现在更硬。

15.4 它明确不测什么

最后必须说清这套评分不测什么：它不测一个命题的真理性。一个 165 分的产出，可能在未来被证明是错的；创新智商测的是新结构发生的深度，不是这个新结构对不对。二者是两件事。对不对，最终由现实和时间仲裁——这也是为什么 175 以上的评分标注为「通常需要时间检验」：在那个高度，任何当下的打分都只是一个待验的猜想，真正的评分者是时间。

十七、本文禁止什么

一套评分工具一旦流传开，最先被滥用的一定是那个数字。所以把禁止项写死在这里。

1. 禁止用创新智商分数给人排名、或作为录取、聘用、晋升、评奖的依据。它评的是一段文本在一个特定文库下的发生深度，不是一个人的能力、更不是一个人的价值。同一个人不同文本的分数可以差三十分。把它当人才评价指标使用，是本文最不愿看到的误用。
2. 禁止只报综合分。不给五维独立分、不给扣分句原文、不给提升路径的分数，按本体系自己的三条证据纪律即为失效分数，不得引用、不得转述。
3. 禁止不声明参照文库与评分截至日。一个没有这两栏的分数只报出了半个数。凡对外发布 150 分以上的评分，必须同时公开你查了哪些语种、哪些学科、什么时间窗，以及你专门去找过哪些「这想法可能早有了」的方向。
4. 禁止作者给自己的文本打分后对外发布。自评可以做，但必须标注为「作者自评、不作数」，或交由独立评分者盲评后才可发布。
5. 禁止把分数当真理性判据。152 分不等于对，83 分不等于错。一段 83 分的话可以完全正确（它只是没有新东西），一段 165 分的产出可以完全错误。把创新智商当正确性证书使用，是对这套体系最彻底的误解。
6. 禁止用收窄文库刷出来的高分对外宣称。这一条是本文第九节的直接后果，也是我认为最重要的一条：如果你只查了中文文献就报出一个 150，你报出的不是一个成就，是一个尚未做完的检索。

结语　评价不在发生之外

把全文收成一页纸：

• 三维量发生的构造：显露 S（0.20）、差异 D（0.25）、纠缠 E（0.20）。
• 两闸查发生的真伪：不可还原 I（0.20）、可证伪 F（0.15）；任一低于 120，封顶 145。
• 加权合成一个可重算的数，对照一把有两条硬阈值的标尺：150 本体论级、160 典范级。
• 三把刀：I＝五十字压缩能否被已有命题 1:1 替换；E＝删掉那个学科论证还成立吗；F＝追问不出证伪条件则 F 不超过 100。
• 一条跃迁公式：把「X 是 Y」改写成「X 不是 Y，而是 Z」，Z 承载不可还原的新结构——同时抬 D 和 I，性价比最高。
• 一条硬口径：分数是文本与参照文库之间的关系，约三分之二是关系、三分之一是属性；参照文库默认取全球最新，收窄文库只能作对照组并列出现。

本文用三个案例把这套东西走了一遍：一份讲稿在中文文库里得 138、在全球文库里只有 125，落差 13.15 分全部来自新颖轴；一段基底默认产出得 83 分，低于基线；然后沿着 I 维审计留下的那点余量做一次命名跃迁、再补一次纠缠，把 125 抬到 152——全程不换文库。

最后说这套体系最要紧的一条自律。它把自己也放上了评分台：三条证伪条件、三个已知弱点、两条自己举得出的反例，都写在上面了。一套评分若不能说清自己怎样会错，它就没有资格去评别人。

评价不在发生之外。评价本身，就是一次发生。

本文自己的参照声明（按第九章的必填项，作者对自己也照做一次）：本文所用参照文库为中文＋英文，覆盖教育学、成人学习理论、文化人类学、组织行为学、进化生物学、科学哲学，时间窗 1909–2026；评分截至 2026 年 7 月。本文所有案例的综合分均由脚本计算、分项逐条列出，供任何人复算。若复算结果与文中不符，以复算为准。