Generalization and the Rise of System-level Creativity in Science
Hongbo Fang, James Evans
cs.SI, cs.DL
2025-09-23
芝加哥大学用数千万篇论文拆出基础、延伸、概括三类贡献。1991年后概括指数升75%，近74%所谓颠覆引用其实是跨域复用。
Park 等人 2023 年在 Nature 上报告，论文和专利的 disruption 指数一路往下，好像科学越来越不「颠覆」。但 disruption 只看一件事：一篇论文被引用时，它自己的参考文献有没有被一起引用。单独被引就算颠覆。这个定义把两种贡献揉在一起：改写本领域轨迹的奠基工作，和被当成工具从远处拎过来用的模块。
芝加哥大学和圣塔菲研究所的 Hongbo Fang、James Evans 把问题反过来：不看一篇论文引用了什么，看它后来被怎么用。他们在 OpenAlex 和 Web of Science 的数千万篇论文上，把下游引用拆成三类功能。
对焦点论文的每一次被引，数两样东西：引用方有没有同时引用「焦点论文的参考文献」，以及有没有同时引用「也引用了焦点论文的其他论文」。
一篇论文的 F、E、G 指数就是这三类引用所占比例。主分析用发表后五年窗口，纵向趋势用一年窗口。纳入标准是至少一条参考文献、五年内至少五次引用。OpenAlex 主样本 2344 万篇（1945–2019），Web of Science 复现 1903 万篇。
直观例子是《Attention Is All You Need》：对 LSTM 的引用是基础型，引言里和后续工作一起讨论；对 Layer Normalization 的引用是概括型，方法小节里当积木用。校验用了期刊共现嵌入、约 320 万篇 Semantic Scholar 全文的引用位置，以及 ACT2 和 Jurgens 等人的引用意图标注。
先看跟 disruption 的关系。G 与 disruption 正相关 r = 0.37；F 几乎无关（r = 0.05，呈 U 形）；E 负相关 r = −0.37。在引用层面，73.96% 的「颠覆引用」（不与参考文献共引）其实是概括型（既不与参考文献共引，也不与后续引用共引）。
| 指标 | 数值 | 对照 |
| 颠覆引用中实为概括型 | 73.96% | disruption 原定义 |
| G 与 disruption 相关 | r = 0.37 | F 为 0.05，E 为 −0.37 |
| 概括型正文提及次数 | 1.31 次 | 基础型 1.59，延伸型 1.82 |
| 1991→2024 平均 G | 0.218→0.382（+75.2%） | 同期 E 从 0.757 降到 0.596 |
| 期刊上线后 G | +0.043 标准差 | 95% CI 0.004–0.081 |
| LLM 采用后概括型参考文献 | arXiv +0.050 SD | bioRxiv +0.117，SSRN +0.081 |
历史分两段。战后到 1990 年前后，学科边界在加固：F 从 0.059 降到 0.025，E 从 0.536 升到 0.762，G 从 0.405 降到 0.214。1991 年（万维网诞生那年）之后反过来：G 升 75.2%，F 再降 12.0%，E 降 21.3%。把引用随机重排、保住每年发文量、引用数、期刊和领域结构之后，经验网络里 2010 年后的 G 上升更陡，转折点也比零模型早大约十年到十五年。
标题里带 review、dataset、software、tool 的论文变多，theory、hypothesis 变少。同类内部走势大多跟随机网络差不多，长期变化主要来自产出类型再分配。
概括型引用最常被标成「使用」，12.1% 出现在 Methods；基础型 45.7% 落在 Introduction。控制被引次数、年份和领域后，高 G 论文跨 topic 更广、单一 topic 占比更低。相对低分组，高 G 工作在参考文献空间远 84.0%，语义空间远 15.5%，跨领域被引概率高 114.0%。诺贝尔奖和重大奖项更站基础型，概括型与奖项负相关。
小团队（1–2 人）更会做出高概括工作，大约四人的团队基础指数最高。美国、英国偏基础，法德偏延伸，中国和印度 2000 年代之后偏概括。Wu 等人「小团队更颠覆」、Cui 等人「科学家老化削弱创新」那两篇经典结论，拆开之后主要是概括型在动，不等于范式转移能力在掉。
给做模型、做工具、写综述的人一个计量学位置：被当积木用、很少占引用论文的中心，并不等于没贡献。现有奖励系统按领域内里程碑校准，概括型会被系统性看轻。
对「科学正在变得不颠覆」这条叙事，这篇给出另一种读法：创新的位置从学科内部挪到了系统之间。互联网、搜索、预印本和大语言模型降低了跨域搬运的成本。期刊上线和 LLM 采用的双重差分都指向这个方向，作者自己写成关联证据，不是因果识别。
F/E/G 是对 disruption 的因子分解，不是新的预测模型。不能拿这三个指数去替代同行评议，但可以解释为什么综述、数据集和软件在引用图里看起来「颠覆」，在奖项名单里却经常缺席。
作者列了四条。三类内部仍然很粗：Methods 里被用的概括和 Discussion 里顺手提起的概括不是一类贡献。引用库覆盖随时间、领域、数据库变化，跨年跨域比较要小心。期刊上线和 LLM 采用都不是随机处理，LLM 还是文本检测估出来的。研究范围停在科学论文，没有扩到专利或文化生产。
另外两处没完全堵住。一是「1991 年 = 万维网」是时间对齐，不是识别策略，同期还有资助转向交叉学科、发文膨胀、期刊结构变化；零模型消掉了一部分，消不掉政策。二是主样本砍掉五年内引用不足五次的论文，虽然零引用阈值下趋势还在，但大量从未被复用的工作被排除在「科学贡献」画像之外。