同一份名单。同一所清华。两家媒体数出两个数。一家写五百零七，另一家写五百三十九。年度榜那栏也一样，八百四十九对九百零六。
十月七日，斯坦福的 Ioannidis 团队和爱思唯尔放出今年的「全球前 2% 顶尖科学家」名单，第九版。中国内地进终身榜一万四千五百八十二人，进年度榜三万七千二百零一。去年这两个数是一万二千三百七十四和三万一千六百八十五。一年各涨一成七。
一成七。这个数字很多人看见了。转头就在吵名单水不水，反正没人问它怎么算的。
我琢磨着吵偏了。水不水，得先看它怎么切。
入选有两条路，一条是全球复合指标排进前十万名，另一条是在自己子领域的百分位挤进前 2%。这名字起得真唬人。听着像全球前 2%，其实压根不是。名单把所有人分进二十个学科、一百七十四个子领域。每个子领域各切各的。百分之二。一个数学家，一位心内科医生，永远不放进同一个池子。这套切法没错。不同领域发文和引用的习惯，差着几倍。
设计者要解决的麻烦特别具体，一篇文章挂上几百个作者，署名靠前的人和排在末尾的人拿到一样的分数，真动手写的那一位反倒什么都说明不了，那不叫评价，那叫点名。六项指标里有三项专看作者位次，独著怎么算、一作怎么算、署名在最后的通讯怎么算，每篇都按位置折算份额。二零二四版起还附了撤稿数据，方便人翻异常。
他讲话很干脆。这是给研究用的数据库，不是奖项，也不是排名。他还补了一句更不留情面的，名单上确实有些糟糕的科学家，数据把这些都摆出来了，只要你肯细看。
设计者把话说到这个份上，传出去照样变成帽子。哪有不当帽子的。学校群里发喜报。人才引进的表格添一行。标题写成「我校某某入选全球前 2%」。
然后就到了清华那两个数。同一份表，怎么就能数出两个？
单子里写的单位是英文名，得靠人一条一条对回中文校名。对不上就漏，压根没人核。课题组挂在某个国际联合实验室名下的，署名只写到学院的，全掉。凤凰网发那张统计表时自己注了一句，因部分学者单位英文名称不明确，无法完全映射，本表为不完全统计。这份映射具体怎么做的，资料里没交代，也没人追着问。
这句话很轻，偏偏它是整件事的钥匙。一份能算到百分位后几位的数据库，落到「哪个学校多少人」这一步，误差是几十号人。精度在源头。误差在路上。
链上也是同一道坎。区块高度钉死之后，每一笔都能重放，谁都改不了，一个地址的余额和流水不需要谁来统计。可你要把地址认成人，就得靠标签库，把一串字母数字对上某个实体、某路聪明钱、某只巨鲸。这活儿跟英文校名对中文校名一模一样。规则加人工，只能猜。结果八九成。
聪明钱榜单常常把同一个人的十几个地址，算成十几路资金。以太坊和 Solana 上专门刷空投的工作室，吃的就是这个空当。
能核的其实只有原始记录本身。那张表谁数的，怎么数的。到现在没人知道。
你下次看到某某大学多少人上榜这种战报，可以先在心里减掉一点。名单没造假。是路上丢的。就这几十号人，够写三篇战报了。
想查自己，别只看上没上。那份数据里给了每个人在自己子领域的百分位，那个数比一个「上了」有用得多。到现在也没几个人去看。可惜能传到你耳朵里的，从来就剩后一个。
#比特币 #币安广场
$BTC $ETH $SOL
十月七日，斯坦福的 Ioannidis 团队和爱思唯尔放出今年的「全球前 2% 顶尖科学家」名单，第九版。中国内地进终身榜一万四千五百八十二人，进年度榜三万七千二百零一。去年这两个数是一万二千三百七十四和三万一千六百八十五。一年各涨一成七。
一成七。这个数字很多人看见了。转头就在吵名单水不水，反正没人问它怎么算的。
我琢磨着吵偏了。水不水，得先看它怎么切。
入选有两条路，一条是全球复合指标排进前十万名，另一条是在自己子领域的百分位挤进前 2%。这名字起得真唬人。听着像全球前 2%，其实压根不是。名单把所有人分进二十个学科、一百七十四个子领域。每个子领域各切各的。百分之二。一个数学家，一位心内科医生，永远不放进同一个池子。这套切法没错。不同领域发文和引用的习惯，差着几倍。
设计者要解决的麻烦特别具体，一篇文章挂上几百个作者，署名靠前的人和排在末尾的人拿到一样的分数，真动手写的那一位反倒什么都说明不了，那不叫评价，那叫点名。六项指标里有三项专看作者位次，独著怎么算、一作怎么算、署名在最后的通讯怎么算，每篇都按位置折算份额。二零二四版起还附了撤稿数据，方便人翻异常。
他讲话很干脆。这是给研究用的数据库，不是奖项，也不是排名。他还补了一句更不留情面的，名单上确实有些糟糕的科学家，数据把这些都摆出来了，只要你肯细看。
设计者把话说到这个份上，传出去照样变成帽子。哪有不当帽子的。学校群里发喜报。人才引进的表格添一行。标题写成「我校某某入选全球前 2%」。
然后就到了清华那两个数。同一份表，怎么就能数出两个？
单子里写的单位是英文名，得靠人一条一条对回中文校名。对不上就漏，压根没人核。课题组挂在某个国际联合实验室名下的，署名只写到学院的，全掉。凤凰网发那张统计表时自己注了一句，因部分学者单位英文名称不明确，无法完全映射，本表为不完全统计。这份映射具体怎么做的，资料里没交代，也没人追着问。
这句话很轻，偏偏它是整件事的钥匙。一份能算到百分位后几位的数据库，落到「哪个学校多少人」这一步，误差是几十号人。精度在源头。误差在路上。
链上也是同一道坎。区块高度钉死之后，每一笔都能重放，谁都改不了，一个地址的余额和流水不需要谁来统计。可你要把地址认成人，就得靠标签库，把一串字母数字对上某个实体、某路聪明钱、某只巨鲸。这活儿跟英文校名对中文校名一模一样。规则加人工，只能猜。结果八九成。
聪明钱榜单常常把同一个人的十几个地址，算成十几路资金。以太坊和 Solana 上专门刷空投的工作室，吃的就是这个空当。
能核的其实只有原始记录本身。那张表谁数的，怎么数的。到现在没人知道。
你下次看到某某大学多少人上榜这种战报，可以先在心里减掉一点。名单没造假。是路上丢的。就这几十号人，够写三篇战报了。
想查自己，别只看上没上。那份数据里给了每个人在自己子领域的百分位，那个数比一个「上了」有用得多。到现在也没几个人去看。可惜能传到你耳朵里的，从来就剩后一个。
#比特币 #币安广场
$BTC $ETH $SOL