收　源

关键词：收源；秩返；半返期；内部模型原理；突触缩放；萨德勒效应；应试改革不可能三角

一、题面：这不是一个态度问题

本文要处理的题面写成一句话是：

为什么在中国，每一次以"削弱应试"为自陈目标的教育改革，都在数年内被应试重新吸收，并且改革措施本身变成新的应试科目？

这一句里有三个成分，每一个都不可省。

第一个成分是自陈目标。本文不去猜测政策制定者的真实意图。凡是文件里写明了"减轻应试倾向""扭转唯分数评价""促进全面发展"的改革，本文一律按其自陈目标取值。这样做不是天真，而是为了让判据落在文本上而不落在动机上。动机不可测，自陈目标可查。

第二个成分是数年。这道题的全部力量都在这个时间尺度上。如果吸收发生在三十年后，那没什么可解释的，任何制度都会在三十年里被改写。可观察到的却是三到八年这个量级——一届学生还没走完，新的辅导产品已经上市。任何解释若不能给出一个时间常数，它就没有解释这道题里最刺眼的那一部分。

第三个成分，也是最容易被丢掉的一个，是改革措施本身变成新的应试科目。请注意这与"改革失败"不是一回事。改革失败的样子应该是：措施被搁置、被架空、被文件层层稀释，最后无人提起。可实际发生的是相反的样子：素质教育之后出现了以素质为名的加分项目与竞赛梯队；综合素质评价之后出现了以档案材料为标的的服务市场；新高考选科之后出现了以赋分博弈为核心的选科咨询业。改革被吸收之后，它在体系中的位置比改革之前更高。 它从一份倡议变成了一门科目，从一句口号变成了一条可投资、可培训、可排序的赛道。

这第三个成分，把这道题从"为什么改不动"变成了"为什么改动之后反而长出了新的一层"。前者是阻力问题，后者是结构问题。本文只处理后者。

需要先排除三种常见的答案，不是因为它们错，而是因为它们不能被证伪。

一是文化解释：东亚社会重视考试，科举传统绵延千年。这个陈述大概率为真，但它对时间尺度沉默——它无法解释为什么是三到八年而不是三十年，也无法解释为什么某些改革的吸收几乎瞬时完成而另一些拖了七八年。一个对时间常数沉默的解释，无法对一个以时间常数为核心的现象负责。

二是执行解释：政策是好的，基层执行走样。这个陈述把解释责任推给了一个无法清点的对象。更要命的是，它预测的是质量下降——执行得越好，吸收应该越少。而本文将要给出的证据方向相反：执行得越规范、标准越统一、操作手册越完备的改革，被吸收得越快。 这是两个可分辨的方向。

三是利益解释：既得利益者反对。这个陈述在改革受阻的场合有效，但在本题里失效，因为本题里改革并没有受阻——它被执行了，见了效，然后效果自己回去了。没有任何一方需要出面反对一件已经发生并且正在被大家热情参与的事情。

三种解释共同的毛病是同一个：它们都把"吸收"当作某种外力作用的结果——文化的惯性、执行的偏差、利益的阻挠。本文要论证的恰恰相反：吸收不需要任何外力，它是体系为了完成"把扰动压平"这件事而必须做的动作。它不是失败的痕迹，是成功的签名。

二、三门学科与它们各自的账本

本文取三门学科。取源的规则是三条：三门必须分属互不相通的层面，各自处理同一件事的一个不同侧面，且三门在本专栏此前各轮中均未以本文所取的这一路出现过。

第一门：地质年代学（chronostratigraphy）。

它管的是单位的划定——一个时代从哪里开始、到哪里结束，凭什么说这一层岩石属于这个时代而不属于下一个。它的裁定装置是全球界线层型剖面和点位（GSSP，俗称"金钉子"）：在地球上某一处真实的岩壁上，钉一枚真实的钉子，用它来定义一条全球通用的时间界线。

它的账本是：地层与年代序列；失败＝断代错。 硬账本。断代错是可以被后来的同位素年龄、古地磁倒转序列、生物地层序列独立揭穿的，揭穿之后无法辩解。

需要说明本文取的是哪一路。本专栏此前用过地震学、变质岩石学、水文学，那三门取的是过程与介质——波怎么传、岩石怎么变、水怎么流。本文取的不是过程，是定义单位的那个装置本身：金钉子、地层间断、以及由此产生的一整套"什么才算被记录下来"的规矩。这是完全不同的一路。

第二门：神经科学。

它管的是速率与标定——一个信号进来，系统用多大的增益去读它，这个增益本身又如何随输入的统计特性而改变。它的核心机制是增益控制（gain control）、感觉适应（adaptation）与稳态可塑性（homeostatic plasticity）。

它的账本是：信号与行为的对应；失败＝对不上。 中等硬度的账本——对不上是可测的，但"对得上"往往留有多种解释余地。

同样要说明取的是哪一路。本专栏此前用过生理学的区域血流分配与盗血，那一路取的是分配——有限的量在多个去处之间怎么分。本文取的是标定——同一个量在被读取之前，读取装置自身的量程如何被重设。分配管的是谁多谁少，标定管的是"多少"这个词还剩多少意思。

第三门：系统科学与控制论。

它管的是结构与调节——一个调节器要把某个扰动压到零，它自身的内部必须具备什么结构。它的核心结论有三条：必要多样性定律（Ashby, 1956）、好调节器定理（Conant & Ashby, 1970）、内部模型原理（Francis & Wonham, 1976）。

它的账本是：可控性与稳定性；失败＝发散、失控。

这里要作一处对配料表的反向修正。在通行的软硬分档里，系统科学与控制论常被归为中等硬度，理由是它的许多陈述停留在类比层面。但本文所取的这一路不是类比层面的控制论，而是可证明的定理：内部模型原理是一条有严格陈述、有充分性证明、也有必要性证明的数学结果。就本文所取的这一路而言，它的硬度不低于地质年代学。本文在此明写这一点，是因为后文的全部承重都压在这一条定理的必要性方向上——若必要性不成立，本文的主要论证随之作废。

同样需要说明取的是哪一路。本专栏此前用过电网调度、分布式事务、电信网络路由拥塞，那三门取的都是具体的调度机制——具体怎么调、怎么让、怎么绕。本文取的是调节本身的存在性条件：一个调节器要存在并且有效，它内部非有什么不可。这是一个关于"必须"而不是关于"怎么做"的层面。

三门的层面分布是：物质层 / 生命与心智层 / 形式与工程层。三者互不相通，谁也不能把另一门的结论当作自己的推论。这是本文有效性的前提——如果三门可以互相推出，它们的共同前提就不是"共同的"，而只是"同一个前提被说了三遍"。

三、三门各自的因果结构：各走一圈完整实例

本文的做法是让三门对同一道题各自作出裁定。要让这个做法成立，先得把三门各自的因果结构讲清楚，并且每一门都走完一个真实的完整实例——不是举例说明，是把这一门在一个具体案子上从头到尾走一遍。

地质年代学：由实际形态与可对比条件，产出界线与序次。

一个剖面摆在那里，它的实际形态是给定的：多少层、什么岩性、含什么化石、碳同位素曲线是什么形状。这是第一项输入。第二项输入是可对比性的条件：这个信号能不能在全球其他剖面上被独立地找到？由这两项，产出的是界线放在哪一层的哪一厘米，以及由此确定的序次。

走一圈完整实例：埃迪卡拉系底界。国际地层委员会最终把这条界线钉在南澳大利亚 Flinders 山脉 Enorama 溪的一处剖面上，界线取在马里诺冰期盖帽白云岩的底面。选这一点的理由不是这一点最重要，而是这一点的信号最容易在别处被独立复现：盖帽白云岩的碳同位素负漂在全球多个陆块上都能找到。也就是说，界线的位置不是由"哪里发生了最大的变化"决定的，而是由"哪个变化最可对比"决定的。

这一圈走完，得到一条本文要用的性质：在这门学科里，一个变化能否进入时间表，取决于它能否被换算成一个全球可对比的读数，而不取决于它有多重要。

神经科学：由设定点与输入条件，产出权重的实际形态。

一个神经元有一个被保护的目标量——平均放电率的设定点。这是第一项输入。它接收的输入的统计特性是第二项。由这两项，产出的是它全部突触权重的实际大小。

走一圈完整实例：单眼剥夺后的稳态可塑性。把一只幼年动物的一只眼睛缝合数日，被剥夺一侧的皮层活动急剧下降。若系统只有赫布型可塑性，被剥夺通路的权重会持续下降直至归零。实际观察到的是：数日之后，该区域神经元的全部兴奋性突触按同一个比例被放大，平均放电率回到接近剥夺前的水平（Turrigiano et al., 1998; Turrigiano & Nelson, 2004）。关键在"同一个比例"这四个字：这是一个乘法运算。乘法运算改变所有权重的绝对值，完整保留它们之间的相对大小。

这一圈走完，得到本文要用的第二条性质：在这门学科里，系统对付输入变化的标准动作是重新标定量程；这个动作抹掉绝对量，保住相对次序。

控制论：由被控对象的当前形态与调节要求，产出控制器必须具备的内部条件。

一个被控对象摆在那里，它的动力学是给定的。这是第一项。要求是第二项：不是"大致跟得上"，而是渐近无静差——误差要趋于零。由这两项，产出的不是一个控制律，而是一个结构上的必须：控制器内部非包含什么不可。

走一圈完整实例：伺服系统跟踪斜坡输入。要让输出无静差地跟踪一个常值参考，控制器里必须有一个积分器；要让它无静差地跟踪一个斜坡参考，必须有两个积分器；要让它无静差地抑制一个已知频率的正弦扰动，必须有一个该频率的谐振器。这三条不是经验法则，是内部模型原理的直接推论：要让某类外生信号的影响渐近归零，控制器内部必须包含产生这类信号的那个发生器的一份副本。

这一圈走完，得到本文要用的第三条性质，也是最要紧的一条：在这门学科里，"消灭一个扰动"与"复制一个扰动"不是两件相反的事，后者是前者的必要条件。

四、三家在争什么

把三门放在同一道题前面，问同一个问题：一个新出现的差别要被系统承认，裁定者是谁？

三家给出三个互不接受的答案。

地质年代学的答案是：裁定者是可对比性。 一个变化再大、再真实、再被所有人承认，只要找不到一个能在全球独立复现的物理标志点，它就不进入年代表。2024 年国际地质科学联合会否决人类世作为一个正式的世/统的提案，理由的核心正是这一条——支持者所指出的那些变化没有一个人否认，但它们不能被换算成既有定义标准所要求的那种东西。在这门学科里，一个真实发生的、被普遍承认的变化，可以在官方的时间表上不存在。 它不是被反对了，是不存在。

神经科学不接受这个答案。它的答案是：裁定者是重标定之后的余量。 可对比性不是问题——任何输入都会被读到。问题是读它的量程会跟着变。一个持续存在的输入，无论多强，都会被增益控制压回到系统的动态范围里去；能被系统"看见"的，从来不是绝对量，是偏离当前标定的那一部分。在这门学科里，一个被承认的变化会因为被承认得太久而消失。

控制论不接受前面两个答案。它的答案是：裁定者是控制器内部有没有它的模型。 可对比性是外部的事，重标定只是增益的事，真正决定一个扰动能否被处理的，是这个扰动的发生器有没有被复制进调节回路。没有被复制的扰动，控制器在原理上就压不平它——不是压得不够好，是永远留有稳态误差。反过来，一旦被复制，它就能被压到零。

三家互不接受，这是本文可以继续往下走的证据。如果三家能互相说服，说明它们本来就在同一个层面上，那就没有碰撞可言。三家争的不是同一个问题的不同答案，而是同一个词（"承认"）在三个层面上根本不是同一件事。

但三家在争吵时，共同踩在同一块地板上。

五、共同假定：被读的东西与读它的尺子是两样

三家争裁定权，争得很凶，却一致地假定了同一件事，而且三家都没有说出来：

被读的那个差别，与用来读它的那把尺子，是两个可以分开的东西。

在地质年代学那里，这个假定的样子是：地层是地层，年代表是年代表。地层里发生了什么是客观的，年代表只是把它记下来的一套约定。定义可以修订，被定义的对象不受影响。

在神经科学那里，这个假定的样子是：刺激是刺激，增益是增益。外界的信号有一个真实的强度，神经系统用一个可变的倍数去乘它。倍数变了，信号本身没变。

在控制论那里，这个假定的样子是：扰动是扰动，控制器是控制器。扰动从外部来，控制器在内部对付它。控制器可以变复杂，但它对付的那个东西是外生的（exogenous——这个词本身就是这个假定的化石）。

这个假定在日常语言里的形式，就是我们讨论教育改革时的默认句式："我们引入了一个新的评价维度" 与 "我们改变了评价的口径" 被当成两件事，前者被认为是内容的事，后者被认为是技术的事。改革者以为自己在做第一件事，批评者以为改革者只做成了第二件事，双方在这一点上完全一致：这是两件事。

本文要论证的是：在选拔性体系里，这两件事是同一件事。而推翻这个假定的材料，不需要从外面找，三门自己各有一条。

六、推翻材料：三条，各出一门

本文在动笔之前登记了推翻材料的来源与预期承重顺序，登记内容与核对结果见附录一。这里先给材料。

第一条，来自地质年代学自己：萨德勒效应。

Sadler（1981）汇编了两万余组沉积速率测量，发现了一件令人不安的事：同一类沉积环境，测得的沉积速率随观测时窗的加长而系统性地下降，跨越了六个数量级。 用一年的时窗量，得到的速率可能是每千年数米；用一千万年的时窗量同一套地层，得到的速率是每千年数厘米。

原因不是仪器，也不是地层不均匀。原因是间断。地层里绝大部分时间不是在沉积，是什么都没发生，或者刚沉积下来的又被侵蚀掉了。时窗越长，落进时窗的间断越多，被时窗平均掉的"什么都没发生"的时间越长，测得的速率就越低。间断的持续时间是重尾分布的——在任何观测尺度上都有更大的间断在上面等着。

结论是：沉积速率这个量不是地层的属性，它是"地层×观测时窗"的联合产物。 你不能先测出一个速率，再问它对应多长的时间——时间尺度必须先给定，速率才有定义。

这一条直接推翻了共同假定在地质学那里的形式：被读的东西（沉积快慢）与读它的尺子（时窗长度）不可分开。

本文在容器内复现了这一效应，数据见第十三节。

第二条，来自神经科学自己：乘法性突触缩放。

Turrigiano 等（1998）的实验是这样的：用河豚毒素慢性阻断培养的新皮层神经元网络的动作电位两天，然后测量微小兴奋性突触后电流的幅值分布。结果是整个分布被乘以了一个常数——不是某些突触变强某些不变，而是全体按同一比例放大。平均放电率回到设定点附近。

这个结果的要害在于乘法这个形式。乘法变换在数学上有一个性质：它是严格单调的，因此保序。系统改变了所有绝对值，而任何两个突触之间的相对大小、任何一组突触的排序，完全没有变。

结论是：神经系统对付输入变化的标准动作，恰好抹掉绝对量而保住相对次序。 尺子自己会动，而且它动的方式经过了精心的选择——它保护的是次序。

这一条推翻了共同假定在神经科学那里的形式，并且给出了一个额外的、本文将要反复使用的方向：如果一个干预只改变绝对量，它在原理上不可能改变次序。

第三条，来自控制论自己：内部模型原理。

Francis 与 Wonham（1976）的结果可以这样陈述：对于一个线性时不变系统，若要对一类由已知有限维发生器产生的外生信号（参考或扰动）实现渐近无静差调节，且这一性质在被控对象参数摄动下仍然保持，则当且仅当控制器内部包含该发生器的一份副本，且这份副本位于反馈回路之内、并具有适当的重数。

充分性方向是工程师每天在用的东西：要抑制五十赫兹工频干扰，就在控制器里放一个五十赫兹的谐振器。

本文压在必要性方向上：不放这份副本，就压不平。 不是压得慢，不是压得不够干净，是存在一个不随时间消失的稳态误差。而且这个必要性是结构性的，不能靠加大增益绕过去——增益可以把误差压小，但压不到零，且代价是稳定裕度。

结论是：要把一个扰动的影响归零，唯一的途径是把这个扰动的发生器装进自己内部。 消灭它的必要条件，是复制它。

这一条推翻了共同假定在控制论那里的形式，也推翻了这个假定最根本的一层：扰动之所以是"外生的"，只在它还没被压平的时候成立；一旦被压平，它已经在里面了。

本文在容器内验证了这一条，包括必要性方向与内模失配时的退化，数据见第十二节。

七、承重命题

三条推翻材料合起来，得到本文的承重命题。它由三句构成，逐句可测。

第一句：应试体系是教育系统的一个调节器，它的被调量是可比性，不是知识。

一个调节器的定义是：它把某个量维持在设定范围内，抵抗外来扰动。应试体系维持的是什么？不是知识总量——知识总量在这几十年里增长了不知多少倍，而应试体系毫发无损。不是学习时间——学习时间被反复削减又反复反弹，体系对此并不敏感。它维持的是一件更单薄也更顽固的东西：任意两个学生之间，存在一个全域一致的、可辩护的先后关系。

这个判断可以被证伪。若应试体系的被调量是知识，那么知识分布的剧变应当引起体系的剧烈反应；若是时间，那么时间的剧变应当引起剧烈反应。实际观察到的是：知识与时间都发生过剧变而体系未动，而每一次触及排序结构的改动都引起了体系的强烈响应。这是一个方向性的、可查的判据。

顺带说明为什么这一句要写在最前面。因为几乎全部关于应试的公共讨论，都在讨论知识与时间——学得对不对、学得多不多、累不累。这些讨论从一开始就没有对准被调量。

第二句：一项改革若真的改变了被调量，体系要把它压平，其必要条件是把这项改革的发生器复制进自己内部。

这是内部模型原理的必要性方向的直接应用。这里需要把对应关系点明，因为对应关系一旦含糊，整篇文章就变成比喻。

被控对象：学生群体在体系中的位置分布。

被调量：这个分布的排序结构。

扰动：一项新引入的评价维度。它有一个发生器——即"什么样的行为在这个维度上得分高"的那套规则。这套规则一旦被写成可执行的文件，它就是一个有限维的、已知的发生器。

调节目标：让这个扰动对排序结构的影响渐近归零。

结论：达成这一目标的必要条件，是体系内部出现这个发生器的一份副本。

"体系内部出现一份副本"，在现实里是什么样子？是出现了针对这个新维度的培训、教材、评分细则、模拟测评、指导手册、代理服务。这些东西不是别的，正是那套规则被复制出来的实体。当一个家庭可以购买"综合素质档案指导"，当一个机构可以提供"科技创新赛项集训"，当一份省级文件给出"艺术素养测评评分细则"——发生器的副本已经在体系内部就位了。

于是得到本文最要紧的一句：

"被吸收"不是"被抑制"的后果，它就是"被抑制"本身。 这两个说法指的是同一个过程的两面。改革措施变成新科目，不是抑制失败的证据，是抑制完成的签名。

这一句解释了本文题面里那个最刺眼的成分：为什么被吸收之后，改革在体系里的位置更高了。因为副本必须在反馈回路之内才起作用——它不能是一个摆设，它必须真的被执行、被计分、被投资。要把一个东西压平，就必须把它抬进核心。

第三句："只用了几年"这个观感有两层来源，其中一层是观测造成的。

第一层是真实的复制速度。第十四节的数值实验给出：当新维度可被资源投入时，秩相关的半返期落在 0.65 至 4.6 年之间，取决于资源重定向的时间常数。这个区间与"数年"的观感吻合。

第二层来自萨德勒效应。改革的效果通常在实施后的头一两年被评估，此时观测时窗最短。按萨德勒效应，短时窗测得的变化速率系统性地高于长时窗——因为长时窗把大量"什么都没发生"的时间平均了进去。第十三节的复现给出：时窗每加长一个数量级，测得速率下降约 0.52 到 0.57 个数量级，全程跨越两个数量级、超过一百倍。

这意味着："改革头两年效果显著，随后回落"这个几乎每次都出现的曲线形状，其中有一部分不是效果在衰减，是尺子在换。 本文不主张这一部分占多大比例——本文没有这个数据。本文主张的是：在没有固定观测时窗、没有报告时窗敏感性的前提下，讨论"改革什么时候开始失效"是没有读数的。

八、收源：一个构念

本文给上述那份被复制进体系内部的副本起一个名字。

收源：一个体系为了把某项扰动对被调量的影响归零，而在自身内部装入的、该扰动发生器的一份可执行副本。

这个定义有四个限定，缺一不可。第一，它是副本，不是反应、不是对策、不是适应——它与原发生器同构。第二，它必须可执行，即能被真正调用去产生该类信号，而不只是被记录或描述。第三，它位于回路之内，即它的输出参与实际的排序结果，而不是一份摆在档案里的说明。第四，它的功能是归零，即它存在的效果是使该扰动不再改变被调量。

要主张收源是一个真实存在的东西，而不是一个说法，需要四条论证。

论证一：方向可以事先推出，而且与直觉相反。

若收源为真，则一项改革越可执行、标准越统一、操作越规范，它被收源得越快。因为副本的构造难度直接取决于发生器的可写下程度。一份含混的倡议无法被复制；一份带评分细则与样例的实施办法，复制成本接近于零。

这个方向与"执行走样"解释的方向相反。后者预测：执行越规范，吸收越少。二者可以在同一份数据上被区分——取同一项改革在不同省份的实施规范程度，与该省该项改革的半返期做相关。若相关为负（越规范越快），支持本文；若为正，本文的这一条被推翻。

论证二：它独立变异，且与"改革力度"正交。

第十四节的实验给出一个反直觉的结果：新维度的分量越多（即改革看上去内容越丰富、越综合），秩返越快且越完全——维数为 1 时半返期 1.40 年、终值 0.884，维数为 16 时半返期 0.64 年、终值 0.951。

若收源只是"改革力度不够"的另一种说法，那么内容更丰富的改革应当更难被吸收。实际方向相反。这说明收源随之变化的自变量，不是力度，而是发生器的可复制性——分量越多，其中可被资源填充的分量就越多，副本的构造反而更容易，且多分量合成时的噪声被平均掉，信号更纯。

论证三：它没有主体，而且缺主体是结构性的。

没有任何一个位置在作"把这项改革装进应试"的决定。教育行政部门在推行改革，学校在执行改革，家庭在响应改革，机构在服务改革——每一方都在参与改革而不是抵抗改革。副本是在千万次分散的、各自合理的响应中被拼装出来的。

缺主体不是本文没找到主体，而是这个位置在结构上不存在。构造副本的收益（在新维度上占先）是私人的、即时的、分散的；副本建成后的后果（排序结构复原）是公共的、滞后的、无人承担的。收益与后果之间没有通路，因此没有任何一方有条件、有动机、也有信息去作那个决定。

论证四：它在控制论里已被制度化地计算，因此可算。

内模控制器的设计不是猜出来的，是把外生信号的发生器显式地写进控制器状态方程。也就是说，"复制一份发生器"这件事在一个成熟学科里是常规工艺，有明确的构造方法与阶数计算。这提供了一个类比之外的保证：收源不是一个只能定性谈论的东西，它对应的量在原则上可被写出来。

与三个近邻的切割。

收源不是"制度惯性"。 惯性是不动，收源是动了并且长出了新的一层。惯性预测改革措施被架空；收源预测改革措施被抬进核心并被大规模投资。二者的可观察后果相反。

收源不是"路径依赖"。 路径依赖说旧路更便宜所以不换新路；收源说新路被走通了，走通之后通向同一个地方。路径依赖预测改革不发生；收源预测改革发生、见效、然后秩返。区分方法：看 ρ 是否曾经下降过。路径依赖的场合 ρ 从未下降；收源的场合 ρ 先降后升。这是本文全部经验主张里最关键的一个前置闸门。

收源不是"上有政策下有对策"。 对策是规避，是让规则失效；收源是执行，是让规则完全生效然后发现结果不变。对策需要有人不守规则；收源不需要任何人不守规则，全体守规则也照样发生。这一条差别在道德判断上有分量：本文的机制不指控任何人。

九、读数：秩返曲线与半返期

一个构念若没有读数，它就只是一个说法。本文给收源配一个读数。

读数的定义。

取一个选拔性评价体系。令：

- P₀ ＝ 改革实施前，该体系给出的学生总排序；

- P(t) ＝ 改革实施后第 t 年，该体系给出的学生总排序；

- Q(t) ＝ 第 t 年，若不实施该项改革、按旧口径本应给出的排序（重建值）。

秩返曲线 ρ(t) ＝ Spearman 秩相关系数 ρ[P(t), Q(t)]。

半返期 t½ ＝ ρ 从改革后的低点 ρ_low 回升到 (ρ_low + ρ_∞)/2 所需的年数，其中 ρ_∞ 取观察期末的平台值。

读数的形状是一个时间常数。这是有意选的。本专栏此前的读数用过比率、差值、时刻、清单、计数、有序数对、乘积、弹性、距离、矩阵。时间常数与它们都不同：它不描述一个状态，描述一个过程的速率，因而直接对应题面里那个"只用了几年"。

零假设自带。 若改革真正削弱了应试，则 ρ 下降之后不应回升，t½ 不存在（或大于任何合理的观察期）。这一点不需要额外设定：t½ 的存在本身就是本文主张的内容。

Q(t) 怎么重建。 这是全部操作难点所在。可用三条路径中的任一条，须事先声明用哪一条：

（甲）未覆盖科目法：取该项改革不涉及的科目集合，用改革前该子集与总分的关系式外推出第 t 年的旧口径总分。适用于改革只覆盖部分科目的情形。

（乙）邻省对照法：取一个未实施该改革、社会经济结构可比的省份，用其同期排序结构作为 Q(t) 的代理。适用于分省推进的改革。

（丙）同届追溯法：取改革实施年的同一届学生，其入学时的排序为 P₀，改革后各年的排序为 P(t)，Q(t) 用入学排序的自然演化模型外推。适用于纵向跟踪数据可得的情形。

清点手册：六条编码规则。

一、只清点被计入选拔结果的维度。写在文件里但不影响录取的维度不计入，因为它不在回路之内（定义的第三个限定）。

二、排序取全域，不取分段。若只在某一分段内比较，秩相关会被截尾效应压低，产生虚假的"未回升"。

三、同分处理必须事先声明，并在全部年份采用同一规则。同分的处理方式对 Spearman 系数有系统性影响。

四、观测时窗必须事先固定，并报告 t½ 对时窗长度的敏感性。这一条直接来自萨德勒效应，是本文对自己的约束，见第十五节。

五、ρ_low 必须被实测，不得由理论值代入。若无法确认 ρ 曾经下降，该案例不进入分析（见第八节的前置闸门）。

六、改革当年若同时更换了统计口径，该年数据作缺失处理，不得用换算值填补。这一条会损失掉最重要的那一年，本文承认这是一个严重限制，见第二十三节。

表头。

三条不适用。

其一，非选拔性场合不适用。若该体系不产生一个用于分配稀缺位置的全域排序（例如学分制的合格性评价），被调量不是排序，本文的全部推论失效。

其二，ρ 从未下降的场合不适用。此时没有扰动，无从谈论抑制。这类场合在现实中很多，见第十一节场景三与场景四。

其三，排序可被绕开的场合，边界须重新界定。当相当比例的学生转入其他赛道（国际课程、境外升学），全域排序的"全域"二字不再成立，估计单位可能选错。这是本文的第三个洞。

十、辨别装置：应试改革不可能三角

有了读数，还需要一个装置，把不同的改革分开，并且预先说出哪一类会发生什么。

本文的装置是一条不可能性陈述。

应试改革不可能三角：任何选拔性评价改革，至多同时满足以下三条中的两条。

（甲）可执行：该维度能被换算成一个全域统一的读数，从而能在全部考生身上一致地施行。

（乙）有区分度：该维度能产出稳定的、可辩护的排序，即同一批人重复测量得到大体一致的结果。

（丙）不可被收源：该维度的发生器不能被体系复制，因而其对排序结构的影响不会被归零。

三条边的论证如下。

甲∧乙 ⟹ ¬丙。 若一个维度既可被换算成全域统一读数，又能产出稳定排序，那么"在这个维度上得分高的行为是什么"就是一个已被写下的、有限的、可执行的规则集——也就是一个有限维发生器。发生器一旦有限维且已知，内模就可构造；构造它的收益是私人的且即时的（在新维度上占先），因此必定有人去构造。收源随之发生。第十四节的实验 C1、C4、C5 给出这条边的定量形状：可投资的分量哪怕只占四分之一，秩返也照样发生，半返期 1.79 年。

甲∧丙 ⟹ ¬乙。 若一个维度可全域施行，又确实不能被复制，那么它衡量的必定是不可被投资、不可被训练、不可被准备的东西。而一个不可被准备的东西用于选拔，其重复测量的一致性会退到抽签水平。第十四节的实验 C6 给出这条边的定量形状：当新维度权重为 1.0（完全按不可投资的维度录取）时，两次独立测量的录取名单重合率为 0.098，随机基线为 0.100。不被收源的代价，是选拔退化为抽签。 而抽签在选拔性体系里是不可辩护的——一旦公众发现录取结果不可重复，该维度会被迅速取消或降权。

乙∧丙 ⟹ ¬甲。 若一个维度既有稳定区分度又不可被复制，那么它依赖的必定是不可换算的、地方性的、依赖具体评价者的判断——一位老师对一个学生数年的了解，一个共同体内部的声誉。这类判断在小范围内既稳定又难复制，但它无法被写成全域统一的读数：写不出来，就无法全域施行；写出来了，就回到甲∧乙那条边。

角点定位规则。 对任一项改革，按三条各作一次是/否判断，落到三角的某一条边上。判断依据须是文本或可查事实，不得依据评价者的印象：

- 甲的判断依据：是否存在一份全域统一的、含评分细则的实施办法。

- 乙的判断依据：是否有公开的、可查的重复测量一致性数据；若无，按"未知"处理并须标注。

- 丙的判断依据：该维度实施后 24 个月内，是否出现了以该维度为标的的付费培训或代理服务。出现即判定为可被收源。

两个失效签名。

落在甲乙边的改革，失效签名是新科目化：3 至 6 年内出现全国性的标准化操作手册、统一评分细则与配套培训产业，同期 ρ 回升。

落在甲丙边的改革，失效签名是公信力质疑与回摆：1 至 3 年内出现对结果公正性的大规模质疑（因为结果确实不可重复），随后该维度被降权或取消，ρ 直接跳回原值而非缓慢回升。

这两个签名在时间形状上不同：前者是一条平滑的回升曲线，后者是一个阶跃。这提供了一个额外的判别手段——看 ρ 的回升是连续的还是跳跃的，就能反推该改革落在哪条边上。

这个三角与既有三元悖论的关系。 形式上，它与经济学里的若干"三取二"陈述同构。本文不主张这个形式是新的。本文主张的是：三条边各有独立的、来自不同学科的论证，且每条边配有可测的定量形状（分别来自实验 C1/C4/C5、C6，以及第三条边的操作性判据）。一个三元悖论的价值不在于它的形状，在于它的每一条边能不能被单独证伪。

十一、六场景清点

本文对六项改革逐一定位。清点规则是：先判前置闸门（ρ 是否曾下降），再判三角边，再给预测。凡本文找不到公开数据的地方，明写找不到。

场景一：素质教育（1999年《关于深化教育改革全面推进素质教育的决定》及其后续）

前置闸门：通过。多地在此后数年内引入了艺术、科技、体育类的加分与保送通道，这些通道确实改变过部分学生的相对位置。

三角定位：甲✓（有全域统一的加分项目目录与认定办法）乙✓（竞赛名次、等级证书是可排序的）→ 落甲乙边。

签名核对：出现了以竞赛名次与等级证书为标的的完整培训产业链，副本在回路之内。判定为已收源。此后加分项目的大规模清理（2018年前后取消绝大部分高考加分项目），从本文角度看不是改革的推进，是副本被拆除——而拆除副本恰恰确认了副本曾经存在且有效。

这一场景是本文最清楚的一个正例，但也有一处不利：本文无法从公开数据取得该期间的 ρ 曲线。判定依据是签名而非读数。这是本文的一个薄弱处，明写在此。

场景二：减负（2000年以来的多轮）

前置闸门：未通过。

理由是一个数学事实，不是一个经验判断。减负的操作内容是削减绝对量——作业时长、题量、在校时间、考试次数。而第十四节实验 C2 给出：对全体施加任何单调变换（等比缩小至 0.5、0.3、0.1 倍，或全体减去同一常数），秩相关系数恒为 1.000000。按 90 分位截断削峰的情形，秩相关为 0.999500。

也就是说，减负在数学上不可能改变排序。它甚至没有进入不可能三角——它不是一项评价改革，是一次量纲变换。神经科学那一门早已给出这个结论的一般形式：乘法性缩放保序。减负与突触缩放是同一个运算。

这一条是本文最省力也最尖的一处。它意味着：过去二十余年里关于减负是否有效的全部争论，问错了问题。减负确实减少了绝对负担（在它被真正执行的时段与地区），但它从未、也不可能触及排序结构。批评它"没用"和辩护它"有用"的双方，都默认了它的目标是排序，而它的操作对象从来不是排序。

场景三：综合素质评价（2014年以来）

前置闸门：多数省份未通过。 在相当多的地方，综合素质评价长期处于"记录但不实质计入"的状态。不计入即不在回路之内，因此 ρ 从未下降过，无从谈论回升。

这是一处对本文不利的观察，需要说清楚：本文的读数在这些地方没有对象。不能说"综合素质评价被应试吸收了"，因为它从未真正进入过。它的实际状态是甲∧丙边的一个特例——为避免公信力风险而主动不进入回路，代价是没有区分度地被搁置。

在少数确实实质计入的地方（部分省份的综合评价招生），前置闸门通过，定位为：为求可执行，评价内容被换算成可清点的材料条目（获奖、志愿时长、研究性学习报告篇数），从甲∧丙边滑向甲∧乙边，随即出现档案材料代理服务。判定为已收源。

场景四：新高考选科与等级赋分（2014年以来）

这一场景需要特别对待，因为它是本文最强的正例，也是本文最容易被误读的一处。

等级赋分的操作内容是：把原始分按考生在选考同一科目群体中的位次，映射到一个固定的等级区间。这是什么？这是把增益控制写进制度。 它取消绝对分，只保留组内位次。神经科学那一门的乘法缩放是生物系统自发做的事，等级赋分是同一件事的制度版本。

因此：t½ ≈ 0。收源不是在实施后的几年里完成的，是在设计阶段就已完成的。这项措施在文件中被表述为促进选择性与减轻单一科目压力，而在结构上它是排序结构的加固件——它使排序在科目组合变化时保持全域一致。

这里有本文的第二处不利：本文无法从读数上区分"被收源"与"从未离开"。t½≈0 既可以读作收源极快，也可以读作根本不存在扰动。要区分，必须独立测定 ρ_low 是否真的下降过，而这恰恰是最难测的量。见第二十三节第一个洞。

场景五：强基计划与综合评价招生（2020年以来）

前置闸门：通过（在实施院校范围内，录取排序确实与统考排序不同）。

三角定位：甲✓（有统一的报名、初审、校测流程）乙✓（校测成绩可排序）→ 落甲乙边。

预测：半返期 3 至 5 年，即到 2023 至 2025 年间，强基通道内的录取排序与统考排序的秩相关应显著回升。签名是：出现以强基校测为标的的专门集训与真题汇编。本文的观察是这类服务已经出现，但本文没有取得 ρ 的公开数据，因此这一条目前只有签名，没有读数。

场景六：双减（2021年《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》）

这是本文最重要的一个预测点，也是最可能被推翻的地方。

双减与场景二的减负不同：它同时动了两样东西——绝对量（作业与培训时长）与供给结构（学科类培训机构的存在形式）。动供给结构不是量纲变换，它改变了不同资源水平的家庭获取训练的边际成本，因而可能真的改变过排序。

但它未动第三样东西：可换算性。义务教育阶段之后的选拔口径没有改变，排序的定义没有改变。

因此本文预测：双减之后 ρ 曾经下降（幅度未知，可能很小），随后回升，半返期落在 2 至 5 年区间。 回升的机制是训练供给以新的形式重新分布（一对一、非学科名义、家庭内部投入、跨区域），而这个重新分布必然沿着资源梯度进行——这正是实验 C7 的内容：当只有资源上层先响应时，半返期反而更长（1.93 年，对比全体同时响应的 0.99 年），因为回升需要等待其余人群跟上。

这条预测可以被推翻。 若在 2026 年前后的可比数据中，义务教育阶段学业排序与家庭资源的相关系数未回升到 2021 年前的水平，本文的这一条失败。本文没有为这一条准备退路。

六场景合判。 六项之中，两项落甲乙边并已收源（场景一、场景五），一项在设计阶段即已完成收源（场景四），一项根本不在回路之内（场景三多数省份），一项在数学上不可能改变排序（场景二），一项待判（场景六）。

这个分布本身值得注意：在六项以削弱应试为自陈目标的改革里，只有两项真正进入过回路并被压平。其余四项，或者从未进入，或者操作对象根本不是被调量。 若这个分布是稳健的，那么关于"改革为什么被吸收"的讨论，可能有一半以上讨论的是从未发生过的吸收。

十二、真跑之一：把一个扰动压到零，控制器里必须有它的发生器

本文的承重全部压在内部模型原理的必要性方向上。因此这一条必须真跑，不能引述了事。

设置。 被控对象取一阶系统 ẏ = −y + u + d，目标 y → 0。扰动 d 取两种：阶跃 d(t) = 1（其发生器为 1/s），正弦 d(t) = sin(0.3t)（其发生器为 s/(s²+0.09)）。控制器取三种：纯比例 P（不含任何发生器副本）、比例积分 PI（内含常值发生器的副本）、比例积分加谐振器 PIR（内含正弦发生器的副本）。仿真至 t = 200，取末段 15% 的时间窗计算残余误差。

结果。

三条读法。

第一，对上号才压得平。PI 含有常值发生器的副本，因此把阶跃压到了机器精度的零；但它不含正弦发生器的副本，面对正弦扰动只把误差从 0.0909 降到 0.0507——降了，但没有归零，而且不会随时间归零。加上谐振器之后，正弦扰动的残余误差降到 0.0006，下降两个数量级。

第二，不是靠力气大。P 控制器的比例增益已经取到 10，把误差压到了 0.09；要靠继续加大增益压到 0.0006，需要把增益加到一万以上，而那样做会毁掉稳定裕度。结构上缺一份副本，不能靠加大力度补偿。 这一条对应到本文的对象上，就是：一个体系无论对某项改革施加多大的行政压力，只要它内部没有这项改革的可执行副本，它就压不平这项改革对排序的扰动。

第三，也是本文没有预料到的一条：副本必须对得准。 把谐振器的频率从 0.30 逐步偏离扰动的真实频率：

频率偏 5%，抑制能力下降一个数量级；偏 50%，下降四十倍以上。

这一条给出一个本文原本没想到的推论，写在第十五节：一项发生器持续漂移的改革，收源永远追不上。 但这个推论有代价，代价见第十四节实验 C6。

十三、真跑之二：测得的速率是尺子的属性

设置。 构造一个含间断的累积过程：事件之间的间隔取重尾分布（帕累托，尾指数 a），每次事件贡献一个对数正态分布的厚度。事件数 40 万。然后用不同长度的观测时窗 W 随机取样，计算每个窗内的平均速率（窗内总厚度除以 W），取中位数。

结果（尾指数 a = 0.7）。

双对数斜率 −0.568，全程跨越 2.14 个数量级（138 倍）。

尾指数取 0.5 时，斜率 −0.519，跨越 2.02 个数量级（106 倍）。尾指数取 0.9 时，斜率 −0.202，跨越 1.54 个数量级（35 倍）。

三条读法。

第一，斜率的量级与 Sadler（1981）在真实沉积记录上得到的结果同量级（真实数据的斜率通常报在 −0.4 至 −0.7 之间）。本文的复现不是为了得到与真实数据一致的数值，是为了确认这个效应只需要间断的重尾分布这一个条件就会出现，不需要任何别的假设。

第二，斜率随间断分布的尾指数变化。尾越重（a 越小），间断越占主导，斜率越陡。这给出一个可迁移的判据：若一个领域的"无事发生期"是重尾分布的，那么它的一切速率读数都必须报告观测时窗。

教育改革的效果衰减符合这个条件吗？本文认为很可能符合，理由是：改革的实际生效期是被大量停顿分隔的——换届、试点、暂缓、口径调整、疫情、招生周期。这些停顿的长度分布很可能是重尾的。但本文没有这方面的数据，因此这一条只是一个待检的推测，不是本文的结论。这是一处必须明写的弱点。

第三，也是本文对自己下的一条硬约束：如果测得的速率依赖于时窗，那么本文自己的半返期 t½ 也依赖于时窗。 本文提出的读数不能豁免于本文自己提出的批评。因此清点手册第四条要求：观测时窗必须事先固定，并至少报告两个时窗下的 t½。这一条见第十五节的详细处理。

十四、真跑之三：秩返曲线与半返期

这是本文的主实验，也是产生了不利结果并因此改写了结论的一次。

模型。 三万名个体。每人有一个可投入的资源量 r（标准正态）。改革前的排序由旧维度 x = r + ε 给出（ε 为标准差 0.6 的噪声）。改革引入一个新维度 z，其初始值与资源无关（纯天赋成分）。总分 S(t) = (1−w)·标准化(x) + w·标准化(z(t))，w 为新维度权重。

资源沿新维度的重定向按 a(t) = 1 − exp(−t/τ) 进行，τ 为重定向时间常数。可被投资的新维度分量记为 z 的前 k 个分量：z_j(t) = base_j + a(t)·r（j ≤ k），其余分量不受投资影响。

ρ(t) ＝ Spearman[S(t), 改革前排序]。

实验 C1：可投资的新维度，半返期对重定向速度的依赖。（w = 0.5，单分量，全部可投资）

半返期落在 0.65 至 4.60 年区间。这与题面里"只用了几年"的观感吻合，且给出了它依赖于什么：依赖于资源重定向的时间常数，不依赖于改革的力度。

实验 C2：只动绝对量的情形。

这一组的意义在第十一节场景二已经说过：任何单调变换保序。 削峰的情形之所以不是精确的 1，是因为被截断的一批人之间产生了同分，而同分的处理规则引入了微小扰动——0.9995 与 1 的差距，正是"削峰"这项操作全部的排序效果。

实验 C3：不利结果——新维度完全不可投资。（k = 0）

秩返完全没有发生。 ρ 在二十年里一动不动。

这个结果直接推翻了本文的原初主张。本文动笔前登记的预期是"任何进入回路的改革都会被收源"（登记内容见附录一预期三）。实验 C3 表明这是错的：若新维度完全不可被资源投入，收源不发生。

本文据此收窄承重命题第二句：把"体系要把它压平，其必要条件是复制其发生器"保留（这一条来自定理，未被推翻），把"因此任何改革都会被收源"删去，改为：收源发生的条件是该维度的发生器可被复制；而"可被复制"在这里的实质内容是"可被投资"。

这次收窄不是让步，它逼出了不可能三角的第二条边。因为紧接着的问题是：既然不可投资的维度不会被收源，为什么不用它？答案在下一个实验。

实验 C6：不可投资的维度用于选拔会怎样。

设想同一批人在同一个不可投资的维度上被独立测量两次（例如两次不同的面试、两套不同的开放性题目），比较两次得到的录取名单（取前 10%）的重合率。

当录取完全依据不可投资的维度时，两次测量的名单重合率为 0.098，与随机基线 0.100 无法区分。 也就是说，一个真正不能被准备、不能被训练、不能被投资的维度，用于选拔时，其结果等价于抽签。

这就是不可能三角的第二条边的定量形状：不被收源的代价，是选拔退化为抽签。 而抽签结果一旦被公众察觉（察觉的方式很简单：同一个孩子换一场考砸了或考好了），该维度的正当性立即崩塌。

这里必须说清楚一处：本文不主张现实中的开放性评价真的等价于抽签。现实中的面试与开放性评价通常混合了可投资成分与不可投资成分，因而落在表中间的行。本文主张的是这条边的方向：不可投资的成分占比越高，重复测量一致性越低，正当性越脆弱。这是一个可以在真实数据上检验的方向——取任何一项含主观评价的招生环节，做一次重测信度研究即可。

实验 C4：部分可投资就够了。（新维度含 4 个分量，其中 k 个可被资源填充，w = 0.5，τ = 3）

四个分量里只要有一个可被投资，秩返就发生。 从 0/4 到 1/4 是一个质变（从"不存在"到 1.79 年），从 1/4 到 4/4 只是量变。

这一条对综合性评价改革是坏消息：一项改革设计得越综合、覆盖的方面越多，其中包含至少一个可投资分量的概率越接近于 1。综合性不是防护，是暴露面。

实验 C5：维数越多，秩返越快。（全部可投资，w = 0.5，τ = 3）

这是本文第二个意外。直觉会预期：维度越丰富，越难被资源全面占领，秩返应当更慢。实际相反——维数从 1 增到 16，半返期从 1.40 年缩短到 0.64 年，终值从 0.884 升到 0.951。

机制是平均：多分量合成时，各分量的独立噪声被平均掉，而共同的资源成分不被平均掉，于是合成后的新维度信噪比更高，与资源的相关更纯。改革越综合，它最终反而更精确地重现了资源分布。

这一条是本文与最强竞争解释（文化再生产理论）之间唯一的、可判决的分岔，见第十八节第七位。

实验 C7：谁先响应，决定曲线的形状。（w = 0.5，τ = 3，资源上层先响应）

反直觉之处：先响应的人越少，半返期反而越长。 因为秩返需要整个分布被重新对齐，少数人先跑完只完成了顶端的对齐，中段与底端的对齐要等他们跟上。

这给出一条实际推论：在改革后的头两三年，最容易观察到的"改革有效"的证据（顶端人群的构成变化）恰恰出现在秩返最慢的场景里。 顶端变化大而整体秩返慢的组合，不是改革成功的信号，是响应尚未扩散的信号。

主实验的复算说明。 全部代码在标准 Python 科学计算环境下可复算，随机种子已固定（20260808）。数值实验是模型实验，不是对真实数据的估计。它们的作用是给出各条主张在给定机制下的方向与量级，不是给出真实世界的参数值。凡本文在正文中把某个模拟数值当作现实预测使用之处，均已标注。

十五、三处反向约束：三门各削掉本文一样东西

碰撞若只让三门供货而不让三门反过来削本文，那就不是碰撞。以下三处，每一处都实实在在地缩小了本文。

地质年代学削掉本文的时间锚。

这是最重的一处。本文的核心读数是一个时间常数 t½。而萨德勒效应说的正是：一切速率读数都是"对象×时窗"的联合产物。那么 t½ 也是。

具体说：若观察期只有三年，ρ 的回升曲线只被采样到前段，拟合出的 t½ 会系统性偏小；若观察期有十五年，中间的停顿（换届、口径调整、招生周期）会被平均进去，t½ 会系统性偏大。本文提出的读数，本身就带有本文用来批评别人的那个毛病。

本文不能靠说明"我知道这个问题"来解决它。本文的处理是把它写成硬约束：清点手册第四条要求观测时窗事先固定，并至少在两个时窗下报告 t½ 及其差值。若两个时窗下的 t½ 相差超过一倍，该案例的 t½ 不得作为定量证据使用，只能作为方向证据。

这条约束会让本文的很多结论降格。本文接受这个代价，因为不接受的话，本文的读数就不比它所批评的那些读数更好。

神经科学削掉本文最自然的处方。

读完前面的论证，最自然的处方是：既然改绝对量无效（乘法缩放保序），那就直接改排序。设计一个新的排序规则，让不同的人排到前面去。

神经科学那一门否掉了这个处方。稳态可塑性的存在意味着系统有一个被保护的目标量，而系统对付偏离目标量的手段正是重标定。你直接去动排序，动的恰恰是被保护的那个量，系统会用它最擅长的动作把它拉回来——而它最擅长的动作，就是本文所说的收源。

那么什么是可动的？按这一门的结构，可动的不是被调量，是设定点的来源。神经元的放电率设定点不是它自己定的，是由更大范围的网络状态与发育程序设定的。类比过来：排序结构本身是被保护的，但"谁在用这个排序、用它作什么决定、用多大权重"不是排序自己的属性，那是外部的。

这一削很重要，因为它把本文的政策含义从"设计更好的评价"改成了"改变排序的使用者与用途"。前者是本文论证过不可能的事，后者本文没有论证过——本文只是指出它在结构上是另一个位置。本文不为后者背书，只指出前者不是出路。

控制论削掉本文的适用范围。

内部模型原理的成立有前提：线性时不变系统，且外生信号由已知的有限维发生器产生。若一项改革不是由有限维发生器产生的——它的规则持续变化、不可预测、没有稳定结构——则内模不可构造，收源不发生。

第十二节的失配实验支持这一点：内模频率偏 5%，抑制能力下降一个数量级。推论是：一项发生器持续漂移的改革，收源永远追不上。

这看起来是一条出路。但它立刻撞上实验 C6：一个持续漂移的、不可预测的评价规则，恰恰是不可被准备的，因而它的重复测量一致性会退向抽签。这条出路通向的是不可能三角的甲丙边，代价是正当性。

于是三门合起来把本文自己也关进了三角：本文找不到任何一个同时满足三条的方案。 本文明写这一点，是因为一篇指出不可能性的文章若还偷偷留一个出口，那它就没有真的相信自己的结论。

十六、正交反例与零情态词判据

正交反例一：收源最彻底的地方，不是应试压力最大的地方。

按本文的机制，收源速度取决于发生器的可复制性，即改革规则的可写下程度与可投资程度。因此本文预测：在改革方案设计得最规范、评分细则最详尽、全国统一程度最高的地方，收源最快。

这与"应试压力"这个自变量不同，甚至可能反向。一个考试竞争没那么激烈但行政规范化程度极高的地区，按本文预测其半返期应短于一个竞争极激烈但改革执行含混的地区。

这条反例的价值在于：它使本文不能被"压力大所以吸收快"这个更简单的解释吸收。二者预测方向不同，可在同一份数据上区分。

正交反例二：半返期不存在，可以出于两个性质相反的原因。

t½ 记为 NA 的情形有两种：一种是 ρ 从未下降过（改革从未进入回路，如场景三的多数省份），另一种是 ρ 下降后从未回升（改革确实未被收源，如实验 C3 的情形）。

两者读数完全相同，性质完全相反。前者是改革没发生，后者是本文的机制失效。因此清点手册第五条要求 ρ_low 必须被实测——这不是一条谨慎条款，这是本文全部经验主张的门闩。若 ρ_low 测不到，本文的读数一个字也不能用。

正交反例三：ρ 回升也可以出于与本文无关的原因。

若新维度与旧维度在天赋层面本来就相关（例如新引入的"思维能力测评"与原有的数学成绩共享同一个潜在因子），那么 ρ 会在改革实施的当年就很高，此后无需任何投资也不会下降。这不是收源，这是维度冗余。

区分方法：看 ρ(0) 是否显著低于 ρ_∞。维度冗余的情形 ρ(0) ≈ ρ_∞，收源的情形 ρ(0) 显著低于 ρ_∞ 且中间有一条上升曲线。这一条已经写进读数定义（半返期以 ρ_low 与 ρ_∞ 之差为基准，差小于 0.02 时记 NA）。

零情态词判据。

本文提供一个不含任何"应该""可能""往往"的问句。任何人拿这个问句去问任何一个正在讨论"改革是否被吸收"的场合，都能立即知道这场讨论有没有读数：

这个省最近一次评价改革实施后的第一年、第三年、第五年，同一届考生按新口径得到的总排序，与按旧口径重建的总排序，两者的秩相关系数分别是多少？这三个数写在哪一份文件的第几页？

本文的判断是：在绝大多数场合，这个问句得不到回答，而且得不到回答的原因不是数据保密，是从来没有人算过这个数。

这个判断本身可以被推翻——只要有人拿出一份算过的文件。本文欢迎被这样推翻，因为那意味着本文的赌注（第二十一节）提前命中。

十七、轮次预测：一个可被次序证伪的时间表

本文给出一个时序预测。它的证伪方式不是某一项没发生，而是次序颠倒。

第 0 年：改革实施。ρ 下降到低点 ρ_low。

第 0 至 1 年：出现针对新维度的服务供给——培训、指导、材料代理、真题汇编。此时这些服务规模小、价格高、质量参差，因为发生器尚未被完整复制。

第 1 至 3 年：ρ 开始回升。同期，新维度得分与家庭资源指标的相关系数由接近零升到显著为正。这两件事应当同时发生，且相关系数的上升应略早于或同步于 ρ 的回升。

第 3 至 6 年：出现全国性的标准化操作手册、统一评分细则、成体系的备考产品。这是副本成型的可见签名。此时 ρ 已回升过半。

第 5 至 8 年：出现"某某也变成应试了"的公共批评。此时 ρ 已接近 ρ_∞。公共批评是滞后指标，它出现的时候，事情已经结束了。

次序颠倒即证伪。 具体地：

其一，若标准化手册的出现早于 ρ 的回升，则本文关于因果方向的主张失败。因为那意味着副本是被自上而下规定出来的，而不是在分散响应中被拼装出来的，本文的"无主体"论证（第八节论证三）随之作废。

其二，若新维度与家庭资源的相关系数在 ρ 回升之后才上升，则本文关于机制的主张失败。因为那意味着 ρ 的回升有别的来源，资源重定向只是伴随现象。

其三，若公共批评出现在 ρ 回升之前，则本文关于"批评是滞后指标"的判断失败。这一条相对次要，但它是本文对公共讨论的唯一一条直接主张，应当接受检验。

三条中任意一条被观察到颠倒，本文的相应部分即告失败。本文不为这三条准备解释性的退路。

十八、与十位邻居的分界

一个构念若与既有概念重合，它就不该被提出。本文逐一处理十位邻居，按由远到近排列，并在最近的两位上作出让位。

第一位，制度同构（DiMaggio & Powell, 1983）。 它解释组织为何趋同。差别：同构解释稳态（大家为什么长得像），本文解释对扰动的响应（一个反向的推力为什么被压平）。同构理论没有必要性论证，也不产生时间常数。

第二位，勒沙特列原理与稳态概念。 比喻层面最像，实质层面最远。勒沙特列是一条定性的方向陈述，它不要求系统内部包含扰动的副本。本文的全部内容恰恰是那个结构要求。凡把本文读作"系统会抵抗变化"的读法，都丢掉了本文。

第三位，Ashby 必要多样性定律。 本文的近亲。差别在层面：必要多样性管调节器多样性的下界（一个计数），本文管调节器内部必须含有什么结构（一个同构）。前者说"你得够多"，后者说"你得含有它"。

第四位，好调节器定理（Conant & Ashby, 1970）。 比上一位更近，几乎是本文的直接上游。差别：好调节器定理说的是最优调节器必然是系统的模型，它管的是"调节器与被控对象"的关系；本文管的是"调节器与扰动"的关系。前者是关于被调节的东西，后者是关于要被消掉的东西。本文承认这一位是本文的思想来源，并已在第二节明写。

第五位，组织的吸收能力（Cohen & Levinthal, 1990）。 名字最像，方向相反。那里的吸收是组织摄入外部知识以产生创新，是一种能力，越强越好；这里的吸收是体系摄入外部扰动以维持不变，是一种后果，与好坏无关。二者共用"吸收"这个词是一次不幸的巧合。

第六位，内卷。 描述投入增加而边际产出不增。差别：内卷管的是投入，本文管的是排序。二者可分离——秩返完成时投入不必增加，因为新维度的边际成本可能低于旧维度。事实上本文预测过一种可能：一项改革使总投入下降而排序完全复原。这在内卷的框架里无法表述。

第七位，路径依赖与报酬递增（David, 1985; Arthur, 1989; Pierson, 2000）。 最容易被误认为本文的位置。差别在第八节已述，这里补一条可判决的：路径依赖预测 ρ 从未下降，本文预测 ρ 先降后升。这是一个二值的、可查的差别。

第八位，坎贝尔定律（Campbell, 1979）。 社会指标一旦用于社会决策，就越容易被腐蚀，也越容易扭曲它本要监测的社会过程。同族，且是本文的直接前辈。差别有两条：其一，坎贝尔的机制是腐蚀——指标本身变得不准；本文的机制是复制——新指标在自己的口径上依然很准，只是排序回到了原处。其二，坎贝尔的机制需要有人作弊或钻空子；本文的机制不需要任何人不守规则。

这两条差别可以被同一份数据判决：查新维度的重测信度。 若信度下降，是坎贝尔；若信度保持而它与旧维度的相关上升，是本文。

第九位，古德哈特定律（Goodhart, 1975）。 最近的一位内容邻居。"当一项指标成为目标，它就不再是一个好指标。"

本文与它的关系需要讲得比上一位更细。古德哈特管的是指标的失真，本文管的是指标的增生。古德哈特预测原指标变坏；本文预测新指标被造出来、被投资、被标准化，并且不坏——它在自己的口径上测得很准，只是它测出来的次序与旧次序高度相关。

用本文的读数说：古德哈特的场合，新维度的重测信度下降而 ρ 未必回升；本文的场合，新维度的重测信度保持甚至上升（因为标准化程度提高了），而 ρ 回升。两条曲线的形状不同，可以在同一份数据上分开。

本文在此作一处让位：古德哈特定律在直觉层面已经覆盖了"改革被应试吸收"这个现象的大部分公共表述。本文的增量不在于指出这件事会发生，而在于（甲）指出它是抑制的必要条件而非失败的后果，（乙）给出时间常数与它所依赖的自变量，（丙）给出一条不可能性陈述及其三条边的定量形状。若读者认为这三条增量都不足道，那么本文应当被判为古德哈特定律的一次改写。

第十位，文化再生产理论（Bourdieu & Passeron, 1977）。 最强的竞争解释，也是本文必须最认真对待的一位。

它的主张是：家庭的文化资本会把任何新的评价标准重新占领，因为标准的解读与执行本身就有利于已经掌握主流文化的家庭。这个主张能够解释本文的几乎全部观察——包括 ρ 的回升，包括新维度与家庭资源相关性的上升，包括综合性评价的失效。

本文与它的差别有两条。

第一条差别（较弱）：机制的位置不同。 再生产理论的机制是资本转换，它要求资本分布不均。本文的机制是调节器的结构必要性，它在原则上即使资本完全均等也成立——只要体系要把扰动压平，内模就必须建立。但这一条差别在现实中不可检验，因为找不到资本均等的社会。本文承认这一条是纸上的差别。

第二条差别（较强，可判决）：对维数的预测方向相反。 本文的实验 C5 给出：新维度的分量越多，秩返越快、越完全（维数 1 至 16，半返期由 1.40 年缩短到 0.64 年，终值由 0.884 升到 0.951）。而再生产理论的直觉预测应当相反——维度越多、越综合、越覆盖不同类型的能力，文化资本的单一优势越难全面占领，秩返应当更慢、更不完全。

这是本文与最强邻居之间唯一的、方向相反的、可在真实数据上判决的分岔。 检验方式：取若干项综合性程度不同的评价改革，测其半返期，与评价维度的分量数作相关。若相关为负（维度越多越快），支持本文；若为正，支持再生产理论。

本文预先声明：若这项检验的结果为正，本文的独立性即告失败，本文应被并入再生产理论的一个特例。本文不为这一条准备退路。

十九、适用范围：本文不适用于哪里

一个构念的力量与它的适用范围成反比。本文把范围收到最窄。

收源只在同时满足以下三条的场合成立。

第一条：该体系确实以排序为被调量。 即它必须产生一个用于分配稀缺位置的、全域一致的先后关系。若一个评价体系只作合格性判断（达标/未达标），或其结果不用于分配稀缺位置，则被调量不是排序，本文全部推论失效。这一条排除了大量的教学评价、形成性评价与资格考试。

第二条：该改革确实使 ρ 下降过。 若改革从未实质进入回路（记录但不计入、试点但不推广、写入文件但不改变录取），则没有扰动，无从谈论抑制。第十一节场景三表明这类情形在现实中占相当比例。在这些场合谈"被吸收"是一个范畴错误。

第三条：新维度可被投资。 实验 C3 已经表明，完全不可投资的维度不会被收源。因此本文只适用于那些其发生器可被资源填充的评价维度。这一条与第二条合起来，把适用范围压得相当窄。

一处必须承认的收缩。 本文在动笔时的预期（附录一预期三）是收源普遍成立于一切进入回路的改革。实验 C3 推翻了这一点。收窄之后，本文所主张的不再是"改革必被吸收"，而是一条更弱也更精确的话：

在选拔性体系里，一项改革要么可被投资（于是被收源），要么不可被投资（于是选拔退化为抽签并失去正当性），要么根本不进入回路（于是什么也没发生）。

这三种结局都不是"削弱了应试"。本文的力量在于穷尽了三种结局，而不在于任何一种结局的必然性。

一处本文明确不主张的东西。 本文没有主张教育不可改进，也没有主张改革无意义。本文主张的是一件范围明确的事：以改变排序结构为目标的评价改革，在结构上不可能成功。 教育里可改进的东西绝大多数不在排序结构上——教什么、怎么教、师生关系、学校的组织方式、失败之后有没有第二条路——这些都不是被调量，本文对它们一个字也没说。

二十、自反：本文自己是不是一个可被收源的对象

一篇提出不可能性的文章，若不把自己放进去检验一遍，那它就在暗示自己站在体系之外。本文不能这样暗示。

第一层：本专栏自己。

本专栏引入了一个新的评价维度——跨学科的原创判断。按本文的三角，它落在哪里？

若这个维度可执行（有一套可写下的方法与判据）且有区分度（能稳定地分出好坏），那么按本文的第一条边，它必被收源：会出现以"跨学科碰撞"为标的的模板、清单、评分表，出现按模板生产的文章，出现按分数排序的作者。本文的读数可以用来量本专栏自己：若本专栏各篇的评分与"篇幅、引文数、学科距离"这类旧维度的秩相关在若干轮之后回升，则本专栏已被收源。

本文的预感是这个回升会发生，理由正是实验 C5——本专栏的评价维度是多分量的（原创性、跨度、可证伪性、不可还原性、完成度），而多分量合成会提高与底层能力分布的相关。越是设计得周全的评价体系，越快地重现它想要绕开的那个分布。

第二层：本文自己的不对称。

本文主张 ρ 应当被算出来，而本文自己没有算——本文用的是模拟数据。本文能够找到的六个场景里，没有一个提供了 ρ 的公开数据；本文对场景一、场景五的判定依据是签名（培训产业的出现）而不是读数。

这是本文最大的一处不对称：本文批评一切没有读数的讨论，而本文自己关于现实的部分也没有读数。 本文不打算用"数据不可得"来抵消这一点。数据不可得是事实，但一个提出读数而自己没有读数的人，其陈述的地位低于一个提出读数并且算过的人。本文接受这个较低的地位。

第三层：这篇文章的功能。

若本文正确，那么关于"改革为什么被吸收"的公共批评是一个滞后指标——它出现的时候事情已经结束了（第十七节）。本文本身就是这样一篇批评。按本文自己的时间表，本文出现在第五至八年那一格。本文是它所描述的过程的一个产物，而不是这个过程的观察者。

这不使本文的论证失效，但它确实使本文的实践价值成疑。本文能做的最诚实的事，是把读数交出去，让别人在第一年就算它，而不是在第八年写它。

二十一、赌注

本文押一个可判决的赌注，日期与判据写死，不留解释余地。

赌注：截至 2034 年 12 月 31 日，中国大陆至少有一份下列文件之一，明文报告"改革前后同一届（或可比届）考生总排序之间的秩相关系数"或其等价的排序稳定性指标，并将其作为该项改革成效的判据之一：

（一）省级及以上教育行政部门或考试招生机构发布的评估报告或工作文件；

（二）教育部委托、并公开发布的第三方评估报告。

命中则本文的核心主张（排序是被调量，且它的稳定性应当被直接测量）获得一次外部确认。

四条不算命中，写死。

其一，只报告分数分布、平均分、及格率或标准差的变化，不涉及排序的跨期相关——不算。分布变了而排序不变，正是本文所描述的情形。

其二，只报告同一年份内不同科目或不同维度之间的相关，不涉及改革前后——不算。这是信度研究，不是本文所指的量。

其三，只出现在学术论文、学位论文或会议报告中，而未进入任何官方评估口径——不算。本文赌的是这个量成为制度性读数，不是它被学者算过。

其四，报告了该系数并且观察到回升，但把回升解释为"评价体系趋于成熟稳定"的正面成绩——不算命中。这一条要特别说明：若出现这种情形，本文的实质主张反而被证明为对（该量确实回升了），但本文的赌注按字面判为未命中。本文之所以这样写，是因为一个构念被制度采纳却被反向解读，与它未被采纳，对本文的实践含义是一样的：读数被收源了。 本文不愿意用一个字面上的胜利掩盖这个含义。

二十二、伦理三条与反噬

第一条：本文指的是调节结构，不指任何人。

本文不指控任何一届政策制定者，不指控学校，不指控家长，不指控学生。第八节论证三已经论证：收源没有主体，而且缺主体是结构性的。构造副本的每一个具体行为——开一门课、编一本教材、给孩子报一个班——单独看都是合理的、善意的、甚至是必要的。秩返不是任何人的过错，正是"没有人在作这个决定"才使它成立。

第二条：不得据本文主张"因此不必改革"。

本文的结论限定在一个很窄的范围里（第十九节）：以改变排序结构为目标的评价改革在结构上不可能成功。这不是"教育不可改进"，也不是"努力无用"。本文甚至给出了另一个位置——排序的使用者与用途（第十五节神经科学那一削）。本文没有论证那个位置可行，但本文明确指出它是另一个位置。任何把本文读作虚无主义的读法，都跳过了第十九节。

第三条：不得用秩返读数去反推个人。

ρ 是一个关于分布的量。它不能被用来判断某个具体学生是"靠新维度上来的"还是"靠旧维度上来的"，更不能据此在录取、评奖或任何具体决定中对某个人作出处置。本文的读数是一把量结构的尺子，把它对准个人是一次范畴错误，而且是一次有伤害后果的范畴错误。

反噬：本文提供的读数同时提供了作弊的方法。

若有一天秩返成为一项被考核的指标（"改革后 ρ 应保持低位"），那么达标最省事的办法不是真的削弱应试，而是让 ρ 算不出回升。至少有三条路：

其一，缩短观察窗。第十三节已经证明，短时窗测得的变化速率系统性偏高，因而短窗下的 ρ 回升看起来更小。

其二，更换口径。清点手册第六条要求改革当年若更换口径则该年作缺失处理——那么只要每隔两三年换一次口径，ρ 序列就永远拼不起来。

其三，改变全域边界。把排序的全域从全省切成若干个不可比的分段，秩相关在段内被截尾效应压低，回升变得看不见。

三条路都会在报表上表现为正面成绩：评估周期缩短了、统计口径优化了、分类评价推进了。

本文看不到这个反噬的出口。本文能做的只有把它写在这里，让第一个想到这三条路的人，不是唯一知道这三条路的人。

二十三、三个洞

第一个洞：本文无法从读数上区分"被收源"与"从未离开"。

这是最危险的一处，在第十一节场景四已经暴露。当 t½ ≈ 0 时，两种情形无法分开：一种是收源极快，一种是根本不存在扰动（改革在设计上就是排序结构的加固件）。要分开，必须独立测定 ρ_low 是否真的下降过。

而 ρ_low 恰恰是最难测的量：改革实施的当年，口径往往同时更换，按清点手册第六条该年作缺失处理——本文的门闩（第十六节：ρ_low 必须实测）与本文的编码规则（第六条：换口径的年份作缺失）在最关键的那一年直接冲突。 本文没有解决这个冲突。本文只能指出：凡遇到这个冲突的案例，其 t½ 不得作为证据使用。这会使本文丧失掉最有价值的一批案例。

第二个洞：实验 C5 的方向可能不稳健。

实验 C5 给出"维数越多，秩返越快"，这一条承担了本文与文化再生产理论的全部分岔（第十八节第十位）。但这个结果是在一个具体的合成方式下得到的：各分量取均值。

现实中的综合性评价往往不是取均值。它可能是取最大值（有一项特别突出即可），可能是门槛式（任一项达标即通过），可能是加权后再截断。在这些合成方式下，独立噪声不会被平均掉，本文所依赖的"信噪比提高"机制未必成立，方向可能反转。

本文没有证明这个方向对合成方式稳健。 这意味着本文与最强邻居的那条分岔，其可靠性取决于一个未经检验的建模选择。这是本文全部论证里最脆弱的一环，而它恰好位于最重要的位置上。

第三个洞：本文完全没有处理排序可被绕开的情形。

当相当比例的学生转入其他赛道——国际课程、境外升学、职业教育的独立通道——"全域排序"的全域二字就不再成立。此时体系的边界在哪里？被调量是哪个群体的排序？

这不只是一个测量问题，可能是一个概念问题。若排序可被绕开，那么绕开的可能性本身就是一个减压阀，它会改变收源的动力学：不必压平扰动，只要让不满意的人离开即可。本文的整个框架建立在"封闭体系"这个未曾言明的假定上，而这个假定在过去二十年里正在被侵蚀。

本文给不出"体系边界该画在哪里"的规则。本文只能承认：在流动性高的地区与人群中，本文的估计单位可能选错，而选错的后果不是估计不准，是估计的对象不存在。

参考文献

Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. The Economic Journal, 99(394), 116–131.

Ashby, W. R. (1956). An Introduction to Cybernetics. London: Chapman & Hall.

Bourdieu, P., & Passeron, J.-C. (1977). Reproduction in Education, Society and Culture (R. Nice, Trans.). London: Sage.

Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90.

Carandini, M., & Heeger, D. J. (2012). Normalization as a canonical neural computation. Nature Reviews Neuroscience, 13(1), 51–62.

Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152.

Conant, R. C., & Ashby, W. R. (1970). Every good regulator of a system must be a model of that system. International Journal of Systems Science, 1(2), 89–97.

David, P. A. (1985). Clio and the economics of QWERTY. The American Economic Review, 75(2), 332–337.

DiMaggio, P. J., & Powell, W. W. (1983). The iron cage revisited: Institutional isomorphism and collective rationality in organizational fields. American Sociological Review, 48(2), 147–160.

Francis, B. A., & Wonham, W. M. (1976). The internal model principle of control theory. Automatica, 12(5), 457–465.

Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. In Papers in Monetary Economics, Vol. I. Reserve Bank of Australia.

Gradstein, F. M., Ogg, J. G., Schmitz, M. D., & Ogg, G. M. (Eds.). (2020). Geologic Time Scale 2020. Amsterdam: Elsevier.

Knoll, A. H., Walter, M. R., Narbonne, G. M., & Christie-Blick, N. (2006). The Ediacaran Period: A new addition to the geologic time scale. Lethaia, 39(1), 13–30.

Pierson, P. (2000). Increasing returns, path dependence, and the study of politics. American Political Science Review, 94(2), 251–267.

Remane, J., Bassett, M. G., Cowie, J. W., Gohrbandt, K. H., Lane, H. R., Michelsen, O., & Wang, N. (1996). Revised guidelines for the establishment of global chronostratigraphic standards by the International Commission on Stratigraphy (ICS). Episodes, 19(3), 77–81.

Sadler, P. M. (1981). Sediment accumulation rates and the completeness of stratigraphic sections. The Journal of Geology, 89(5), 569–584.

Turrigiano, G. G., Leslie, K. R., Desai, N. S., Rutherford, L. C., & Nelson, S. B. (1998). Activity-dependent scaling of quantal amplitude in neocortical neurons. Nature, 391(6670), 892–896.

Turrigiano, G. G., & Nelson, S. B. (2004). Homeostatic plasticity in the developing nervous system. Nature Reviews Neuroscience, 5(2), 97–107.

Wonham, W. M. (1985). Linear Multivariable Control: A Geometric Approach (3rd ed.). New York: Springer.

附录一：写作前锁定的预测与事后核对

本附录的内容在动笔之前写定，未作修改。它的作用是让本文的工艺本身可被检验。

甲、推翻材料的事前登记

登记内容：三条推翻材料各出一门；预期承重顺序为控制论 > 神经科学 > 地质年代学。

核对结果：承重顺序命中。 内部模型原理的必要性方向承担了第七节全部承重命题；乘法性突触缩放承担了场景二与实验 C2 的全部结论；萨德勒效应承担的最少，只进入第七节第三句与第十五节的自我约束。

乙、七条预期与落点

预期一：三门会在"裁定者是谁"上互不接受。

核对：命中。 三家给出三个不同层面的裁定者（可对比性 / 重标定后的余量 / 内模的有无），且互不能推出对方。

预期二：共同假定会落在"内容与口径可分"上。

核对：命中，但表述比预期粗糙。 动笔前的表述是"内容与形式可分"，成文时收紧为"被读的差别与读它的尺子可分"。收紧的原因是"形式"一词把地质年代学那一门的材料包不进来。

预期三：任何进入回路的改革都会被收源。

核对：落空，且这是本文最重要的一次落空。 实验 C3 表明完全不可投资的维度不会被收源。本文据此把承重命题收窄，并因此得到不可能三角的第二条边（实验 C6）。第十节那个三角，正是被这次失败逼出来的。 若预期三命中，本文将只有一条平庸的必然性主张，而没有不可能性陈述。

预期四：至少有两处结论需要靠推理而无法真跑。

核对：部分落空，方向好。 原以为不可能三角的第二条边只能靠论证，实际上实验 C6 给出了定量形状（重合率 0.098 对基线 0.100）。真正无法真跑的只剩第三条边（乙∧丙⟹¬甲），它至今只有论证。

预期五：最危险的邻居会是古德哈特定律。

核对：落空。 最危险的是文化再生产理论。古德哈特定律与本文在机制上可分（腐蚀 vs 复制），且可由重测信度判决；文化再生产理论与本文在几乎全部观察上重合，只有实验 C5 的维数方向给出一条分岔，而那条分岔本身又落在第二个洞里（合成方式的稳健性未验）。本文与最强邻居的分界，挂在一个未经检验的建模选择上。

预期六：本文会找到至少一条出路。

核对：落空。 三门合起来把本文自己也关进了三角（第十五节末）。本文明写找不到出口。

预期七：场景清点中会有至少两处反过来给本文添麻烦。

核对：命中。 场景三（综合素质评价在多数省份从未进入回路，本文的读数没有对象）与场景四（无法区分被收源与从未离开）。后者升格为第一个洞。

丙、成对相对预测（与本专栏同期他篇比较）

本篇与并行的同轮 What 篇（取源：病理学 / 历史学 / 设计学）互不选同门，两篇的取源零重叠。预测三条：

其一，本篇的可证伪性应高于同轮 What 篇，因为本篇的读数是时间常数、自带零假设，而三维度型的读数通常是分类或清单。若反而更低，则"Why 题配时间常数读数"这条对应关系需重估。

其二，本篇的不可还原性应低于同轮 What 篇。理由：本篇最强的邻居（文化再生产理论）覆盖面极大，让位已在第十八节明写。

其三，本篇的跨域厚度应高于本专栏此前的癌症 Why 三篇。理由：本篇的三门分属物质层、生命与心智层、形式与工程层，而癌症 Why 三篇中至少有一篇的三门分布在两层内。若反而更低，则"层面分散度提高跨域厚度"这条经验规则不成立。

附录二：三条真跑的完整设置与数据

真跑一（内部模型原理）

被控对象：ẏ = −y + u + d。

控制器：P（kp=10）；PI（kp=10, ki=5）；PIR（kp=10, ki=5, kr=20, ω=0.3，谐振器状态方程 ẍ₁ = −ω²x₁ + y，反馈取 x₂ = ẋ₁）。

积分器：LSODA，rtol=1e-9，atol=1e-11，t∈[0,200]，20 万点均匀取样。

残余误差统计窗：末段 15%（t ∈ [170, 200]）。

随机种子：无（确定性系统）。

结果表见第十二节。失配实验的四个数据点（Δω = 0, 0.01, 0.05, 0.15）对应末段 |e| 最大值 0.000622 / 0.001619 / 0.006163 / 0.025909。

真跑二（萨德勒效应）

事件数：4×10⁵。事件间隔：帕累托分布，尾指数 a ∈ {0.5, 0.7, 0.9}，位移 +1.0。单次厚度：对数正态（μ=0, σ=0.5）。

时窗取样：每个时窗长度随机取 4000 个起点，计算窗内平均速率，取中位数；有效样本少于 50 的时窗剔除。

拟合：对 (log₁₀W, log₁₀ 速率中位数) 作一次多项式拟合。

随机种子：20260808。

真跑三（秩返）

个体数：3×10⁴。资源 r ~ N(0,1)。旧维度 x = r + N(0, 0.6)。新维度基底 base ~ N(0,1)（多分量时各分量独立）。

资源重定向：a(t) = 1 − exp(−t/τ)，仅作用于前 k 个可投资分量：z_j = base_j + a(t)·r。

合成：z̄ = 各分量均值，标准化后与标准化的 x 按权重 w 线性组合。

ρ(t)：Spearman 秩相关，与改革前排序比较。

观察期：t = 0 至 20 年，逐年。

半返期判据：若 ρ(20) − ρ(0) < 0.02 记 NA；否则取 ρ 首次达到 ρ(0) + 0.5·[ρ(20) − ρ(0)] 的线性插值年份。

随机种子：各子实验分别固定（1, 3, 7, 11）。

各子实验结果表见第十四节。C7 的设置补充：资源上层（前 lead_frac 分位）的重定向时间常数取 0.4τ，其余取 2.0τ。

复算说明。 三条真跑均为模型实验。它们不估计现实参数，只给出各条主张在给定机制下的方向与量级。凡正文中把模拟数值当作现实预测使用之处（第十一节场景六的 2 至 5 年区间），均已在该处标注其来源为模拟。

附录三：预注册的可证伪检验方案

本附录给出一个可在现有数据上执行的检验，并预先写死判据。

主检验：半返期的存在性与其对可投资性的依赖

数据要求。 同一省份，一项确实进入录取回路的评价改革，改革前 3 年至改革后 8 年的逐届考生排序数据。样本量不低于每届 5 万人。Q(t) 的重建路径事先声明（甲/乙/丙之一，见第九节）。

主假设 H1：ρ(t) 存在一个显著低点 ρ_low，且此后回升，t½ 有限且落在 8 年以内。

证伪条件（写死）：若 ρ_low 与改革前基线的差不足 0.03（即改革从未实质扰动排序），该案例剔除，不计入证伪；若 ρ_low 显著下降而在 8 年观察期内 ρ 的回升不足 (ρ_∞ − ρ_low) 的一半，H1 失败。

主假设 H2：t½ 与该维度的可投资性负相关。可投资性的操作定义：改革实施后 24 个月内，公开市场上以该维度为标的的付费服务的种类数（取对数）。

证伪条件（写死）：若在不少于 6 个可比案例上，t½ 与可投资性的相关系数的 95% 置信区间包含零，H2 失败。本文不为这一条准备"样本量不足"的退路——若 6 个可比案例凑不齐，本文的这一条主张即为不可检验，应当被降格。

另五条编号证伪

F1（因果次序）：若在不少于 3 个案例中，全国性标准化操作手册的出现时点系统性地早于 ρ 的回升起点，第八节论证三（无主体）失败。

F2（机制）：若新维度得分与家庭资源指标的相关系数的上升，系统性地滞后于 ρ 的回升，第七节第二句关于机制的主张失败。

F3（维数方向）：若在不少于 5 个综合性程度不同的改革案例上，t½ 与评价维度分量数的相关为正，第十八节第十位的分岔失败，本文应并入文化再生产理论的一个特例。

F4（规范化方向）：若同一项改革在不同省份的实施规范程度（以是否有省级统一评分细则、细则的条目数为代理）与该省的 t½ 呈正相关（越规范越慢），第八节论证一失败，"执行走样"解释相对本文占优。

F5（时窗稳健性）：若在不少于 3 个案例上，两个观测时窗下测得的 t½ 相差超过一倍，则本文的读数在实践中不可用，第九节应被判为无效，无论其余各条是否成立。

F5 是本文最愿意被检验、也最可能失败的一条。 它是萨德勒效应对本文的直接反噬：本文用它批评别人的读数，就必须准备好被它废掉自己的读数。

预注册声明。 上述七条判据（H1、H2、F1–F5）在任何数据被取得之前写定。凡日后需要修改判据者，须同时公布修改前的版本与修改理由；未公布者，本文的相应主张按失败处理。

最美文定稿：全球文库终审与核心命题的重写

以下一节由编辑增补，不属于投稿原稿。它按最美文频道的五道入选关执行：请出正文未曾请出的那位最危险的对手，与之划一条让两套理论对同一件事作出相反预测的线，写清怎么裁决，把核心命题改写为否定—重命名形式，并列出三条「被观察到即失效」。正文的论证、数据与结论一字未改。

一、最后一位未被请出的对手

本文与古德哈特定律、坎贝尔定律、制度同构、好调节器定理逐一交过手，密度是本组最高的。但组织社会学里有一位站了七十多年的元祖没有被请出来：塞尔兹尼克的吸纳。他在田纳西河谷管理局的研究里给出的定义是：把新的要素吸收进一个组织的领导层或政策决定结构，以避免对其稳定或存在的威胁；被吸纳进来的行动者会开始适应、甚至内化该组织的愿景与逻辑，却没有实质影响力。这几乎就是「改革被体系吸收」这句话的社会学原型。

二、分离线：被复制进去的是行动者，还是发生器

分离线落在被吸收进去的是什么。

吸纳的对象是行动者：人、组织、代表、委员会席位。它的机制是政治性的——给你一个位置，你就不再从外面威胁我。收源的对象是机制：产生那个新差别的那一整套发生器，被复制成体系内部的一个副本。这个复制不需要任何人被收编。

更要紧的是，内部模型原理给了收源一样吸纳没有的东西：必要性。吸纳说的是「组织常常这样做」，是一条经验概括；内部模型原理说的是「要把扰动压到零，控制器内部必须含有该扰动的发生器模型」，是一条定理。

相反预测。找一类案例：改革推动者中没有任何一个人或机构被吸收进决策结构，而新维度被纳入计分。吸纳预测：威胁仍在，秩返不应发生或应显著推迟。本文预测：秩返照常发生，半返期由资源重定向的时间常数决定，与有没有人被收编无关。

裁决办法。在六场景清点里增编一列「推动方是否进入决策结构」，与 t½ 一起放进同一张表。若 t½ 与「是否被收编」显著相关而与重定向时间常数无关，收源应并入吸纳；若相反，收源是一个独立于人事安排的机制。

三、核心命题的否定—重命名

一项改革被应试重新吸收，不是因为阻力大，不是因为执行走样，不是因为文化根深蒂固，也不是因为「改革者被吸纳进了决策结构」——它是因为体系把这项改革的发生器复制进了自己内部。这不是一条经验概括，而是内部模型原理必要性方向的一次应用：要把一个扰动压到零，调节器内部必须含有这个扰动的发生器模型。于是改革措施本身变成新的应试科目——那不是失败的副产品，那正是压平它的手段。

四、本文禁止什么

1. 禁止 t½ 与「推动方是否进入决策结构」显著相关而与资源重定向时间常数无关。若如此，收源并入吸纳。
2. 禁止 t½ 随改革力度延长。正文模拟已给出这一条：半返期依赖重定向速度而非改革力度；若真实案例中加大力度能系统性地延长 t½，本文的机制定位错了。
3. 禁止在 ρ 从未下降过的案例上讨论秩返。前置闸门必须先过——若一项改革从未真正改变过任何人的相对位置，它根本没有进入本文的适用范围。

五、独立成立性检验

把塞尔兹尼克、古德哈特、坎贝尔、迪马乔全部删去，本文还剩什么？剩下一条定理和一条可算的曲线：内部模型原理的必要性方向，以及秩返曲线 ρ(t) 与半返期 t½——只要拿到某项改革前后逐年的选拔结果排序，就能算出来。吸纳的七十年文献从未产出过一个读数：它讨论的是组织为什么这样做，本文给的是这件事要花几年，以及这个年数由什么决定。

本轮定稿所核验的文献：Selznick, P. (1949). TVA and the Grass Roots: A Study in the Sociology of Formal Organization. Berkeley: University of California Press. · Francis, B. A., & Wonham, W. M. (1976). The internal model principle of control theory. Automatica, 12(5), 457–465. · Conant, R. C., & Ashby, W. R. (1970). Every good regulator of a system must be a model of that system. International Journal of Systems Science, 1(2), 89–97.

本文正文为学员投稿原稿，作者胡敏。原稿自标的「学科通融专栏」栏目行已改为本站「胡敏谈 · 应试教育」（学科通融是本站二阶碰撞产线的栏目，学员论文收入学员专栏）。原稿每篇末尾均附有作者的人机分工声明：写作使用了大型语言模型作为检索、成文与自查的助手，材料的取舍、判断的落点以及不利结果的处置由作者决定——本站保留这一声明并在此重申。文中涉及教育评价与政策的讨论均为理论分析，不构成任何机构的评估依据。