做独立研究者，未来可以发展更好吗？

学术界中，与已成名的学者合作，往往能有更多的机会获得成功。然而近日的一项科学学研究却指出：青年研究者若是过于依赖顶尖科学家，代价是独立后研究的创新性更低。而将资源过多地投在学术明星上，承担其影响的将是整个学术界。

撰文 | 郭瑞东

1

为何科研中的颠覆式创新越来越少

2023年，一篇标题为“随着时间的推移，论文和专利的颠覆性越来越小的论文”[1]发表在Nature，并成为封面文章。这项研究揭示了我们这个时代最深的担忧之一，即科学发展到今天，容易摘取的果实是不是都已被摘下？而反映到数据上，便是虽然论文、专利的数量年年都在增加，但带来的颠覆式突破却在变少（参见《增量式科学时代：论文数量狂飙增长，真正创新却日渐稀缺》）。

对于该问题，2022年一项发表在《自然·人类行为》的研究[2]通过调查引文网络发现，研究者会倾向于引用来自本国、本校甚至同一个导师“传承”的论文，这样促成引文网络中出现一个个热点区域。论文作者类比天体物理中黑洞造成的引力透镜，将研究用到的方法称为引文透镜（citational lensing）。而其发现的学术界“停滞的层级结构（stagnating hierarchy）现象，在阻碍学术思想的自由流动。这可部分解释为何学术界的颠覆式创新正在减少。

此外，学术界一直以来存在着严重的不平等，一少部分顶尖科学家获得了大量的关注、引用和资源。在高校教职的就业过程中，也存在系统性的不平等与等级制度[3]。然而，即使“顶尖科学家”真的更具有创新性[4]，但对于青年科研工作来说，如果因与顶尖科学家成功合作，致使其在职业生涯早期取得成功，可能会让他/她形成路径依赖——选择继续和顶尖科学家合作而非“自立门户”，这不仅会扩大科学界的“贫富差距”，加剧马太效应，更会如前述的学术界，让学术界变为一潭死水，进而减少颠覆式创新的发生可能。

2

过度“傍大佬”会抑制创新

近日发表的一项研究[4]给学术界指出了一个不容忽视的事实：研究者引用顶尖科学家的次数越多，他们自己的科研成果（即便是那些不是与顶尖科学家合著论文）的创新性就越差，他们发表一篇极具颠覆性的论文的可能性就越小。

这篇论文在arXiv预印发表时的原标题为“不要追随领导者，独立思考者构建科学创新（Don’t follow the leader: Independent thinkers create scientific innovation）”，研究者基于1893到2021年在美国物理学会（APS）中发表的66万篇论文，设计了一套计算研究者科研成果的信息论方法。在统计中，团队去掉了无摘要或过短、超过25位作者的论文，最后纳入分析的论文数量为54.7万余篇；并将h-index排名前1%的研究者定为顶尖科学家。

该研究采取了三个指标来衡量论文。图1最左边的创新性（Innovation）按发表日期计算，考察论文（通过标题和摘要中的关键词）在多大程度上首次引入或组合新的学术概念；左数第二幅图表示用香农熵（Shannon Entropy）衡量论文主题内容的多样性（diversity），并由此定义论文的新颖性（Novelty）；而第三幅图展示颠覆指数（Disruption Index），考察这篇论文发表后，对引文网络造成的改变（例如，粗略地说，相对论诞生后改变了教科书，之前学者讨论引力时都引用牛顿力学，而后则必须引用相对论）。第三个指标最能代表一项研究对整个领域引起的突破程度。

图1中横轴是研究者发表的论文数，可以看到，包含顶尖科学家作为合著者的论文（蓝线），相比不包含顶尖科学家的（橙线）引入了更多的概念及组合，即创新性更高。从颠覆指数最大值看（图1左4），那些与顶尖科学家合作的研究具有更高的颠覆性。

图1 使用三种不同指标，衡量包含与顶尖科学家合著的论文（蓝线）与不包含顶尖科学家合著论文（红线）的创新性、香浓熵和颠覆指数（中位数、最大值以及平均值）。

对于上述差异，最合理的解释是，顶尖科学家之所以为顶尖科学家，是因为其研究开创了一个领域，引领时代潮流，普通研究者去掉这些高水平研究后，他们的创新性不足也是意料之中。对此，这项研究进而考察研究者自身论文的创新性（图2），发现他们发表论文中引用顶尖科学家论文的占比越高（达到30%阈值后），不论合作者中是否包含顶尖科学家，论文的创新性都会随着顶尖科学家在论文作者中占比升高而降低（图2左侧）。而研究思路高度受顶尖科学家启发的学者，例如那些发表的论文引用顶尖科学家占比超六成，则会在独立之后（不和顶尖科学家合作），其论文的平均被引用数及发表的论文数量均显著减少（图2右侧）。

图2 作者个人层面的新颖性和创新性统计。

以上两点说明：对于普通科研人员，如果他/她的研究中超过六成引用了顶尖科学家的论文，则占比越高，那么当他/她独立开展与顶尖科学家无关的研究时，其发表论文的质量和数量都会显著下降。至于这背后的原因，可能源于学术界的“近亲婚配”，研究者和“学术巨星”的领域相同或相近，期刊会更优先选择“大牛”的文章。

为了排除顶尖科学家本身发表研究自带的高引用，研究团队还对比了作者列表中包含/不包含那top1%顶尖科学家的研究情况（图3）。根据研究受顶尖科学家影响程度，团队将研究者分为五组，计算每组论文摘要的文本相似度（in-group similarity），结果显示，引用顶尖科学家的研究大多集中在特定话题，而引用顶尖科学家较少的组的研究呈现百花齐放的多样性。

其中紫色线代表的一组中，他们65%以上的论文都会引用顶尖科学家的论文，即受顶尖科学家影响最大。该组平均颠覆指数最低，且受顶尖科学家影响越大，颠覆性越低（图3A）。同时，研究者受到顶尖科学家启发的占比越高，其做出研究的组内相似度越高（图3C）。图3B和D中，横轴对应引用顶尖科学家论文的占比，可以看到65%以上论文都引用顶尖科学家的研究者，其作出的研究总和新颖性更低，且文本相似度更高（探讨相近的研究主题），过多聚焦于一个主题可能会成为解释为何引用顶尖科学家的论文越多，普通研究者创新性越差的一个可能原因。

图3 受顶尖科学家启发的研究占比与组内相似度的对比。

那么，不与大牛合作的研究者未来的创新性能否更高呢？研究团队进一步针对职业生涯早期（前五年）的青年学者，将其分为两组（图4）：发表的论文半数以上都是与顶尖科学家合作的组（简称合作组，图4蓝线），没有与顶尖科学家合作的组（简称非合作组，图4橙线）。结果显示，在职业生涯早期，合作组平均创新性更高（图4D）；而去掉合作论文后，合作组的创新程度反而低于非合作组（图4A）。这表明，早期合作者的高创新性很大程度上是由他们的合作论文所贡献的。

在颠覆性上，无论是否剔除合作的论文，非合作组产出颠覆性成果的可能性均高于非合作组；并且，那些在职业生涯初期没有和顶尖科学家合作的研究者，职业生涯越到晚期，其职业生涯中某项成果的最大颠覆性指数的值越高（图4B、E）。

图4：职业生涯早期是否与顶尖科学家合作的对比。横轴表示与顶尖科学家首次合作发表论文的距离年份。

之前的研究表明，在职业生涯早期和顶尖科学家合作，在学术生涯中会有更强的竞争优势[5]。这项研究也得到了类似的结果，即平均引用数有明显差异：无论是否剔除顶尖科学家的论文，合作组的被引数都高于非合作组（图4E、F）。

考虑到此前研究[5]中只是考察了是否与顶尖科学家合作，而本文考察的是职业生涯早期半数以上的研究都是与顶尖科学家合作。综合两者，笔者建议，青年学者应该争取与顶尖科学家合作，但同时不要过度依赖，而是要更早地探索自己独立的研究方向。

3

科研创新需要打破窠臼

卡尔·萨根曾说：“要真正从头开始制作苹果派，你必须首先发明宇宙。”科学研究的确需要站在巨人的肩膀上，但却不能只是站在巨人的肩膀上。科学家相互通信，交流观点，在这个社交网络中，新观点的产生需要非冗余的信息源头[6]，在一个过度围绕少数超级明星的网络中，创意的生成效率会降低。而另一项基于引文网络的研究显示[7]，创新性高的研究更多位于引文网络的边缘。这些都佐证了为何作为青年研究者，不应该对顶尖科学家过度依赖。同时将资源过多地聚焦于顶尖科学家，也不利于培育出更具颠覆性的创新。

在2025年的国际人工智能大会上，诺奖得主杰弗里·辛顿在被问起对青年科研人员的建议时，说道：“若想做出真正原创的研究，就要寻找那些“所有人都可能做错”的领域。通常当你认为“众人皆错”时，经过探索最终会发现传统方法的合理性。但这恰恰说明，你永远不该轻易放弃新思路，除非自己真正理解它为何行不通。即便导师否定你的方法，也要保持质疑。”这样的回复来自辛顿的科研经历，当辛顿在上世纪80年代开创神经网络时，正处于人工智能的低潮期。辛顿的这番话，值得每一位青年研究者深思。

参考文献

[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 别 提 示

1. 进入『返朴』微信公众号底部菜单“精品专栏“，可查阅不同主题系列科普文章。

2. 『返朴』提供按月检索文章功能。关注公众号，回复四位数组成的年份+月份，如“1903”，可获取2019年3月的文章索引，以此类推。

版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。转载授权请在「返朴」微信公众号内联系后台。