做獨立研究者，未來可以發展更好嗎？_風聞

學術界中，與已成名的學者合作，往往能有更多的機會獲得成功。然而近日的一項科學學研究卻指出：青年研究者若是過於依賴頂尖科學家，代價是獨立後研究的創新性更低。而將資源過多地投在學術明星上，承擔其影響的將是整個學術界。

撰文 | 郭瑞東

1

為何科研中的顛覆式創新越來越少

2023年，一篇標題為“隨着時間的推移，論文和專利的顛覆性越來越小的論文”[1]發表在Nature，併成為封面文章。這項研究揭示了我們這個時代最深的擔憂之一，即科學發展到今天，容易摘取的果實是不是都已被摘下？而反映到數據上，便是雖然論文、專利的數量年年都在增加，但帶來的顛覆式突破卻在變少（參見《增量式科學時代：論文數量狂飆增長，真正創新卻日漸稀缺》）。

對於該問題，2022年一項發表在《自然·人類行為》的研究[2]通過調查引文網絡發現，研究者會傾向於引用來自本國、本校甚至同一個導師“傳承”的論文，這樣促成引文網絡中出現一個個熱點區域。論文作者類比天體物理中黑洞造成的引力透鏡，將研究用到的方法稱為引文透鏡（citational lensing）。而其發現的學術界“停滯的層級結構（stagnating hierarchy）現象，在阻礙學術思想的自由流動。這可部分解釋為何學術界的顛覆式創新正在減少。

此外，學術界一直以來存在着嚴重的不平等，一少部分頂尖科學家獲得了大量的關注、引用和資源。在高校教職的就業過程中，也存在系統性的不平等與等級制度[3]。然而，即使“頂尖科學家”真的更具有創新性[4]，但對於青年科研工作來説，如果因與頂尖科學家成功合作，致使其在職業生涯早期取得成功，可能會讓他/她形成路徑依賴——選擇繼續和頂尖科學家合作而非“自立門户”，這不僅會擴大科學界的“貧富差距”，加劇馬太效應，更會如前述的學術界，讓學術界變為一潭死水，進而減少顛覆式創新的發生可能。

2

過度“傍大佬”會抑制創新

近日發表的一項研究[4]給學術界指出了一個不容忽視的事實：研究者引用頂尖科學家的次數越多，他們自己的科研成果（即便是那些不是與頂尖科學家合著論文）的創新性就越差，他們發表一篇極具顛覆性的論文的可能性就越小。

這篇論文在arXiv預印發表時的原標題為“不要追隨領導者，獨立思考者構建科學創新（Don’t follow the leader: Independent thinkers create scientific innovation）”，研究者基於1893到2021年在美國物理學會（APS）中發表的66萬篇論文，設計了一套計算研究者科研成果的信息論方法。在統計中，團隊去掉了無摘要或過短、超過25位作者的論文，最後納入分析的論文數量為54.7萬餘篇；並將h-index排名前1%的研究者定為頂尖科學家。

該研究採取了三個指標來衡量論文。圖1最左邊的創新性（Innovation）按發表日期計算，考察論文（通過標題和摘要中的關鍵詞）在多大程度上首次引入或組合新的學術概念；左數第二幅圖表示用香農熵（Shannon Entropy）衡量論文主題內容的多樣性（diversity），並由此定義論文的新穎性（Novelty）；而第三幅圖展示顛覆指數（Disruption Index），考察這篇論文發表後，對引文網絡造成的改變（例如，粗略地説，相對論誕生後改變了教科書，之前學者討論引力時都引用牛頓力學，而後則必須引用相對論）。第三個指標最能代表一項研究對整個領域引起的突破程度。

圖1中橫軸是研究者發表的論文數，可以看到，包含頂尖科學家作為合著者的論文（藍線），相比不包含頂尖科學家的（橙線）引入了更多的概念及組合，即創新性更高。從顛覆指數最大值看（圖1左4），那些與頂尖科學家合作的研究具有更高的顛覆性。

圖1 使用三種不同指標，衡量包含與頂尖科學家合著的論文（藍線）與不包含頂尖科學家合著論文（紅線）的創新性、香濃熵和顛覆指數（中位數、最大值以及平均值）。

對於上述差異，最合理的解釋是，頂尖科學家之所以為頂尖科學家，是因為其研究開創了一個領域，引領時代潮流，普通研究者去掉這些高水平研究後，他們的創新性不足也是意料之中。對此，這項研究進而考察研究者自身論文的創新性（圖2），發現他們發表論文中引用頂尖科學家論文的佔比越高（達到30%閾值後），不論合作者中是否包含頂尖科學家，論文的創新性都會隨着頂尖科學家在論文作者中佔比升高而降低（圖2左側）。而研究思路高度受頂尖科學家啓發的學者，例如那些發表的論文引用頂尖科學家佔比超六成，則會在獨立之後（不和頂尖科學家合作），其論文的平均被引用數及發表的論文數量均顯著減少（圖2右側）。

圖2 作者個人層面的新穎性和創新性統計。

以上兩點説明：對於普通科研人員，如果他/她的研究中超過六成引用了頂尖科學家的論文，則佔比越高，那麼當他/她獨立開展與頂尖科學家無關的研究時，其發表論文的質量和數量都會顯著下降。至於這背後的原因，可能源於學術界的“近親婚配”，研究者和“學術巨星”的領域相同或相近，期刊會更優先選擇“大牛”的文章。

為了排除頂尖科學家本身發表研究自帶的高引用，研究團隊還對比了作者列表中包含/不包含那top1%頂尖科學家的研究情況（圖3）。根據研究受頂尖科學家影響程度，團隊將研究者分為五組，計算每組論文摘要的文本相似度（in-group similarity），結果顯示，引用頂尖科學家的研究大多集中在特定話題，而引用頂尖科學家較少的組的研究呈現百花齊放的多樣性。

其中紫色線代表的一組中，他們65%以上的論文都會引用頂尖科學家的論文，即受頂尖科學家影響最大。該組平均顛覆指數最低，且受頂尖科學家影響越大，顛覆性越低（圖3A）。同時，研究者受到頂尖科學家啓發的佔比越高，其做出研究的組內相似度越高（圖3C）。圖3B和D中，橫軸對應引用頂尖科學家論文的佔比，可以看到65%以上論文都引用頂尖科學家的研究者，其作出的研究總和新穎性更低，且文本相似度更高（探討相近的研究主題），過多聚焦於一個主題可能會成為解釋為何引用頂尖科學家的論文越多，普通研究者創新性越差的一個可能原因。

圖3 受頂尖科學家啓發的研究佔比與組內相似度的對比。

那麼，不與大牛合作的研究者未來的創新性能否更高呢？研究團隊進一步針對職業生涯早期（前五年）的青年學者，將其分為兩組（圖4）：發表的論文半數以上都是與頂尖科學家合作的組（簡稱合作組，圖4藍線），沒有與頂尖科學家合作的組（簡稱非合作組，圖4橙線）。結果顯示，在職業生涯早期，合作組平均創新性更高（圖4D）；而去掉合作論文後，合作組的創新程度反而低於非合作組（圖4A）。這表明，早期合作者的高創新性很大程度上是由他們的合作論文所貢獻的。

在顛覆性上，無論是否剔除合作的論文，非合作組產出顛覆性成果的可能性均高於非合作組；並且，那些在職業生涯初期沒有和頂尖科學家合作的研究者，職業生涯越到晚期，其職業生涯中某項成果的最大顛覆性指數的值越高（圖4B、E）。

圖4：職業生涯早期是否與頂尖科學家合作的對比。橫軸表示與頂尖科學家首次合作發表論文的距離年份。

之前的研究表明，在職業生涯早期和頂尖科學家合作，在學術生涯中會有更強的競爭優勢[5]。這項研究也得到了類似的結果，即平均引用數有明顯差異：無論是否剔除頂尖科學家的論文，合作組的被引數都高於非合作組（圖4E、F）。

考慮到此前研究[5]中只是考察了是否與頂尖科學家合作，而本文考察的是職業生涯早期半數以上的研究都是與頂尖科學家合作。綜合兩者，筆者建議，青年學者應該爭取與頂尖科學家合作，但同時不要過度依賴，而是要更早地探索自己獨立的研究方向。

3

科研創新需要打破窠臼

卡爾·薩根曾説：“要真正從頭開始製作蘋果派，你必須首先發明宇宙。”科學研究的確需要站在巨人的肩膀上，但卻不能只是站在巨人的肩膀上。科學家相互通信，交流觀點，在這個社交網絡中，新觀點的產生需要非冗餘的信息源頭[6]，在一個過度圍繞少數超級明星的網絡中，創意的生成效率會降低。而另一項基於引文網絡的研究顯示[7]，創新性高的研究更多位於引文網絡的邊緣。這些都佐證了為何作為青年研究者，不應該對頂尖科學家過度依賴。同時將資源過多地聚焦於頂尖科學家，也不利於培育出更具顛覆性的創新。

在2025年的國際人工智能大會上，諾獎得主傑弗裏·辛頓在被問起對青年科研人員的建議時，説道：“若想做出真正原創的研究，就要尋找那些“所有人都可能做錯”的領域。通常當你認為“眾人皆錯”時，經過探索最終會發現傳統方法的合理性。但這恰恰説明，你永遠不該輕易放棄新思路，除非自己真正理解它為何行不通。即便導師否定你的方法，也要保持質疑。”這樣的回覆來自辛頓的科研經歷，當辛頓在上世紀80年代開創神經網絡時，正處於人工智能的低潮期。辛頓的這番話，值得每一位青年研究者深思。

參考文獻

[1] Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613(7942), 138–144. https://doi.org/10.1038/s41586-022-05543-x

[2] Gomez, C. J., Herman, A. C., & Parigi, P. (2022). Leading countries in global science increasingly receive more citations than other countries doing similar research. Nature Human Behaviour. https://doi.org/10.1038/s41562-022-01351-5

[3] Clauset, A., Arbesman, S., & Larremore, D. B. (2015). Systematic inequality and hierarchy in faculty hiring networks. Science Advances, 1(1), e1400005. https://doi.org/10.1126/sciadv.1400005

[4] Kelty, S., Baten, R. A., Adiba Mahbub Proma, Hoque, E., Bollen, J., & Ghoshal, G. (2025). The innovation trade-off: how following superstars shapes academic novelty. Humanities and Social Sciences Communications, 12(1). https://doi.org/10.1057/s41599-025-05124-z

[5] Li, W., Aste, T., Caccioli, F., & Livan, G. (2019). Early coauthorship with top scientists predicts success in academic careers. Nature Communications, 10(1). https://doi.org/10.1038/s41467-019-13130-4

[6] Baten, R. A., Aslin, R. N., Ghoshal, G., & Hoque, E. (2022). Novel idea generation in social networks is optimized by exposure to a “Goldilocks” level of idea-variability. PNAS Nexus, 1(5). https://doi.org/10.1093/pnasnexus/pgac255

[7] Painter, D. T., Daniels, B. C., & Laubichler, M. D. (2021). Innovations are disproportionately likely in the periphery of a scientific network. Theory in Biosciences, 140(4), 391–399. https://doi.org/10.1007/s12064-021-00359-1

特 別 提 示

1. 進入『返樸』微信公眾號底部菜單“精品專欄“，可查閲不同主題系列科普文章。

2. 『返樸』提供按月檢索文章功能。關注公眾號，回覆四位數組成的年份+月份，如“1903”，可獲取2019年3月的文章索引，以此類推。

版權説明：歡迎個人轉發，任何形式的媒體或機構未經授權，不得轉載和摘編。轉載授權請在「返樸」微信公眾號內聯繫後台。