[[442368]]平博龙虎斗

 平博龙虎斗一周前，盘算推算机视觉领域经典之作、何恺明的 ResNet 论文的被引次数冲破了 10 万 +，而这距离他提交这篇论文仅夙昔六年。这一使命的热度如斯之高，既披流露了 ResNet 自己的久阅历练，也印证了 AI 领域，荒芜是盘算推算机视觉如今的火热进度。

可是，ResNet 高被引的背后也让咱们看到了一个问题，那等于盘算推算机视觉领域每年产出那么多的新论文，为何商讨者频频如故聘请它当作引文呢？对高被引经典论文的趋向性究竟会给领域带来逾越如故停滞呢？新发表的论文是否还有可能成为下一个经典之作呢?

在近日发表在 SCI 期刊 PNAS 上的一篇论文《Slowed Canonical Progress in Large Fields of Science》中，来自好意思国西北大学和芝加哥大学的两位商讨者对上述问题进行了解答，并深刻探讨了科学领域发表论文的数目、质料以及被引情况之间的犬牙相错的关联。

论文地址：https://www.pnas.org/content/pnas/118/41/e2021636118.full.pdf

对科学逾越有种很平直的不雅点，那等于多多益善。一个领域发表的论文越多，科学逾越的速率就越快；商讨者数目越多，隐敝的面就越广。即使并非每篇论文皆产生紧要的影响，但它们皆成为了聚成沙堆的沙粒，增多了出现质变的可能性。在这一历程中，科学景不雅得到了再行成就，结构性探究中出现了新的范式。

更多论文的发表也增多了「它们之中至少有一篇包含要紧革命」的可能性。一个颠覆性的全新思法不错动摇近况，将东说念主们的细心力从以往使命中迷惑过来，并得到多数的新援用。

领域内流行的策略很好地响应了这种多多益善的不雅点。东说念主们会字据学者的坐褥力对他们进行评估和奖励，一段技能内发表更多的论文是他们得到毕生教职和职位普及的最可靠路线。数目照旧大学和公司伸开比较的标杆，其中发表作品、专利、科学家和经费的总量照旧重中之重。

质料也主要通过数目进行判断。被引次数用来掂量一个领域内个东说念主、团队和学术期刊的要紧性。在论文层面，东说念主们频频假设最佳和最优价值的论文会迷惑更多的神色，从而塑造了该领域的商讨轨迹。

在文中，他们展望，当每年发表论文的数目终点大时，新论文的快速流动会迫使学界神色那些被平凡援用的论文，由此减少了对不太熟谙的论文的神色，即使它们当中有些建议了新颖、有效和具有潜在变革性的思法。多数新发表论文的出现并莫得引起领域范式的更快更替，反而巩固了那些高援用量的论文，挫折新使命成为被援用最多且广为东说念主知的领域经典之作。

商讨者通过施行分析考证了这些不雅点，标明了科研单元对数目的神色可能阻遏基础性逾越。跟着每个领域每年所发表作品的握续增长，这种不利影响将加重。何况，沟通到鼓动「发表数目至上」领域剖析的树大根深、犬牙相错的结构，这种情况将不可幸免。重构科学坐褥力价值链的策略按序需要进行搬动，以使天下再行聚焦于那些有后劲的新思法。

本文重心商讨了领域大小，即给定的一年内某个领域发表论文数目的几许产生的影响。以往的商讨发现，好多学科的援用不对等现象正在加重，至少部分受到了偏好的影响。可是，一篇论文频频无法在夙昔几年保握它们的援用水慈祥排行。颠覆性论文粗略取代以往的使命，被引次数的当然波动也会影响论文排行。

因而，商讨者展望，当领域满盈大时，变革能源会出现变化。援用最多的论文将树大根深，在畴昔得到不能比例的援用量。新论文无法通过偏好依附积存援用数，也就不可能成为经典。新发表的论文很少粗略对已成型的学术镣铐产生影响。

他们给出了支持以上展望的两个机制。一方面，当一个领域短技能内发表了好多论文时，学者不得不诉诸于启发式短处来对该领域进行握续性的连气儿。剖析超载的评审东说念主和读者在读新论文时不沟通内部的新思法，只会将它们与现有的标准论文关连起来。不合乎现有模式的新思法有极大可能不会被发表、阅读或援用。

面对这种变革能源，论文作家不得不紧紧地将他们的使命与有名论文关连起来。这些有名论文充任起了「常识徽章」，界定了怎么连气儿新使命，不饱读舞他们商讨太过新颖且不易于与现有经典之作关连起来的思法。这么一来，冲破性新思法的产生以及被发表和平凡阅读的概率着落，何况每一篇新论文的发表也将不能比例地增多高被引论文的援用量。

另一方面，淌若新思法的到来速率太快，它们之间的竞争可能会阻遏任何新思法在领域内广为东说念主知和平凡收受。至于为什么会这么呢？商讨者以某个领域中传播思法的沙堆模子为例进行解读。

当沙子渐渐落在沙堆上时，一次一粒，比及沙堆表现住手时再落下一粒。跟着技能推移，沙堆达到了无标度临界气象，其中一粒沙子皆粗略引起通盘沙堆区域的垮塌。但当沙子以极快的速率落下时，相邻的袖珍垮塌会相互打扰，导致任何一粒沙子皆无法触发沙堆范围内的位移。这意味着，沙子掉落的速率越快，每个新沙粒粗略影响的区域就越小。论文也一样，淌若论文出现的速率太快，则任何一篇新论文皆无法通过局部扩散和偏好依附成为经典。

这两方面的论点繁衍出了六个展望，其中两个分别是最高引的论文将耐久处于主导地位以及新发表论文的竹篮取水和它们自身颠覆性的裁汰。

总之，相较于一个领域每年发表的论文很少，当该领域每年产出的论文好多时，则将靠近以下六种情况：

商讨者使用 Web of Science 数据集，分析了1960 至 2014 年间发表的论文，觉得 90，637，277 篇论文和 1，821，810，360 个援用。Web of Science 将学术领域，或者某些情况下大的子领域，分袂为不同的学科。因此，商讨者的分类中共有 241 个学科，并将它们当作领域级分析的基础。其中，一篇焦点论文每年从吞并主题新发表论文中收到的被引次数组成了商讨者主要的意思意思变量。

为了盘算推算 10 个最大的非概述学科（non-multidisciplinary）学科的 1-decay rate（λ），关于每个学科，商讨者以发表论文数目的 10 log 分袂年份，截点分别为 1， 1.5， 2， 2.5， 3， 3.5， 4， 4.5， 5 和 5.5，并以 field-year 中被引最多的百分位分袂论文年份，截点分别为 1， 2， 3， …，皇冠正网 100。关于每个（发表论文的纪录数目）×（援用数百分位），他们将第二年一篇论文的被引次数归来到焦点年份论文的被引次数。这一趟归的统统产生 1-λ。

此外，为了盘算推算统统学科的 1-λ（图下图 2D 所示），商讨者选取了第 1、2、5、10 和 25 个百分位数中被引最多的前 100 篇论文。他们通过发表论文数目的 base 10 log（截点分别为 1， 1.5， 2， 2.5， 3， 3.5， 4， 4.5， 5 和 5.5）对 subject-years 进行分类。关于每个 bin× 选取的百分位，商讨者将第二年一篇论文的被引次数归来到焦点年份论文的被引次数。这一趟归的统统产生 1–λ。

商讨者的统统展望皆在 Web of Science 数据集的援用模式中得到了阐述，具体如下图 1 至 4 所示。跟着领域变得越来越多，被引次数最多的论文遥远成为主导，在援用散布上占据统统上风。比较之下，新论文成为高引的可能性裁汰，何况无法随技能推移而逐渐累积神色度。发表论文频频在发展现有思法，而不具备颠覆性，也很少粗略产生具有开辟性的新的商讨潮水。

具体而言，被引次数最多的论文在更大的领域得到了不能比例的更高的援用份额。最大领域援用份额的基尼统统约为 0.5，如下图 1A 所示。高引论文不能比例的被引次数又导致不对等神色的加重。

举例，当电气与电子工程领域每年发表 10，000 篇论文足下时，前 0.1% 和前 1% 高被引论文占了总被引次数的 1.5% 和 8.6%。当该领域每年发表 50，000 篇论文时，前 0.1% 和前 1% 高被引论文占了总被引次数的 3.5% 和 11.9%。当该领域鸿沟更大，每年发表 100，000 篇论文时，前 0.1% 和前 1% 高被引论文占了总被引次数的 5.7% 和 16.7%。

比较之下，排行终末 50% 的被引最少论文在总被引次数中所占份额着落，每年发表 10，000 篇论文时的占比为 43.7%，每年发表论文达到 50，000 和 100，000 时，这一比例仅略高于 20%。

当跨越技能检察领域数据时，咱们会发现有在这么的模式：当每年发表的论文数目较多时，被援用最多的 top-50 论文之间的排行关连性增多（图. 1B）。在随后几年斯皮尔曼排行关连性中，在一个领域中被援用最多的 top-50 列表从发表 1，000 篇论文时的 0.25 增多到 100，000 篇论文时的 0.74。

图 1

2、排列三5码组六统计：截止第2023152期，排列三已开出了6573期奖号了，其中组六号码出现了4678次，组三出现了1824次，豹子出现了71次。

第一位杀号：上期第一位奖号为3，第一位奖号3历史上出现655次，前100次该位开出奖号3之后，下期号码0-9出现次数从高到底分别为：号码8→15次，2→14次，3、4→12次，0→10次，7→9次，1、6→8次，5、9→6次。

皇冠体育hg86a

当领域范围很广时，被援用最多的论文的被引次数保握逐年增长，而统统其他论文的被引次数皆会着落。下图 2 为论文当年与上一年被被引次数的展望比率。在论文发表很少的年份，被被引次数最多的论文的比率昭着低于 1，与被被引次数较少的论文的比率莫得太大区别。可是，在发表论文数目较多的年份，被被引次数最多的论文的比率接近 1，昭着高于被被引次数少的论文。

在终点大的领域年中，发表了大致 100，000 篇论文，平均而言，被援用最多的论文的被引次数莫得逐年着落。比较之下，排行在 top 1% 除外的论文，平均每年损误期 17% 的被引次数，而处于 top 5% 及以下的论文则趋向于每年蚀本 25% 的被引次数。

图 2

当吞并领域同期发表许多论文时，单篇论文的援用量达到 top 0.1% 的可能性会减少，这种现象在吞并年的不同领域或不同庚的吞并领域皆适用，如图 3A 所示。一般来说，较大领域论文被援用最多，很少是通过局部扩散等历程完成。

图 3B 披露了一篇文章干预关连领域的平均技能（以年为单元），条目是该论文成为该领域中被引次数最多的论文之一。当一个领域很小时，论文会跟着技能的推移适宜高潮到被被引次数最多的 top 0.1%。咱们以 1980 年在小领域（归来展望）发表的论文为例，假如吞并领域发表了 1000 篇论文，思要成为被援用最多的论文，平均需要 9 年技能。比较之下，在最大领域经典论文会速即登上援用榜首，这与学者通过阅读他东说念主文章中援用的参考贵寓发现新文章的累积历程不一致。不异的归来展望，在每年发表 100，000 篇论文的大领域中，论文达到援用量 top 0.1% 的技能平均不到一年。

图 3

吞并年发表的大多数论文皆建设在现有文件的基础上，而不是中断（disrupt）现有文件（图 4A）。逻辑拟合展望披露，当该领域一年发表 1，000 篇论文时，49% 的论文具有中断度量（disruption measure） D > 0（相背，51% D < 0）。当发表 10，000 篇论文时，中断度量比例着落到 27%，发表 100，000 篇论文时着落到 13%。即使当 D > 0 时，新发表论文的中断度量在更大的领域中也会减轻。图 4B 披露了按领域年胪列的新论文比例，这些论文在中断度量的 top-5 百分位中排行。Lowess 揣摸披露，具有 top-5 百分位中断度量的新论文比例从该领域年发表的 1，000 篇论文时的 8.8% 减少到每年 10，000 篇论文时的 3.6% 和 100，000 篇论文时的 0.6%。

图 4