为何认可特定领域的学术训练？

我们看重在抽象问题上持续工作、形成论证并接受检验的经历。这条通道认可相应学位及在读身份。已取得相应学位者经材料核验可直接入会；在读者须在材料核验后通过线上面试。

长期研究留下了什么证据

研究通常没有试卷那样清楚的终点。定义可能需要调整，证明可能在最后一步失败，模型可能只能解释部分现象。完成较深入的学术训练，意味着一个人至少曾在某个专门领域里学习文献、组织问题、处理反馈，并把工作形成可以审查的结果。

数理逻辑、组合数学、高能理论物理与分析哲学，分别以不同方式重视形式结构、约束、推演或论证。因此，本会接受这些领域的硕士及以上学位（在读亦可）；纯数学、理论物理、理论计算机科学与形式语言学，则以博士学位或博士在读身份作为相应通道的条件。

名称相近，内容未必相同

院系命名不能完整描述研究。理论计算机科学可能设在计算机学院，也可能与数学系交叉；形式语义可以出现在语言学、哲学或逻辑研究中。核验因此应结合学位、论文题目与研究方向，而不是只寻找某几个完全一致的汉字。

纯数学可能包括数论、代数学、几何、拓扑与分析；理论物理可能包括量子场论、引力、理论宇宙学、统计物理和凝聚态理论；理论计算机科学可能包括复杂性、算法、密码学理论和形式化方法；形式语言学可能涉及形式句法、形式语义与逻辑语义。它们是可能的方向示例，不构成仅凭课程名称即可满足条件的清单。

教育与能力为何不容易分开

进入更长学制的人可能本来就具有某些优势，而教育本身也可能改变认知表现。Ritchie与Tucker-Drob在2018年的元分析中汇总了多类准实验研究，发现额外教育与认知测验成绩改善有关。这意味着，不能把学历差异全部归结为教育前就固定不变的能力差异。

同样，群体研究的平均效果不能直接套用到个人。不能根据读了几年博士就计算“增加了多少智商”，也不能由学位名称保证任何一个人的具体IQ。训练内容、起点与环境之间存在差异。

为什么仍可作为独立入会通道

社群希望汇集能够围绕复杂问题深入交流的人。相关领域的长期训练，与这样的交流有直接联系：它可能带来专门知识、论证习惯和对未知的耐心。采用这个渠道，是认可这些经历对社群的潜在价值，不要求它们被重新包装成一次智商测验。

已取得相应学位者，经材料核验可直接入会；相应学位在读者须通过线上面试。所有线上面试仅涉及诚信度与一般智力的考察，不涉及超出这一范围的任何个人信息。申请材料可包括学位证明或在读证明、论文标题与简短方向说明。无需上传整篇未公开论文；能够说明研究领域和资格即可。缺乏某项学历也不妨碍通过本站的其他通道申请。

学位与智力：哪些结论有研究支持

教育年限与智力测验成绩存在正相关，但这同时容纳至少两条方向：较强的初始认知能力可能帮助人完成更长教育，教育经历也可能改善认知测验表现。一个人最终取得学位，还受到家庭条件、研究机会、健康、兴趣和职业选择的影响。

Ritchie与Tucker-Drob的2018年元分析汇总42个数据集、超过60万人，比较控制早期智力、利用教育政策变化和入学年龄截止线等准实验设计，估计额外一年教育对认知测验成绩的影响约为1—5个IQ分，具体依设计而异。这个数是教育效果估计，不是相关系数r，也不是“读一年博士固定涨几分”。〔Ritchie与Tucker-Drob，2018〕

对于本会列出的具体领域及硕士、博士层级，本文没有可直接支持统一IQ相关系数或平均IQ的专项估计。因此不提供“理论物理博士平均IQ某值”一类未经核实的排行榜。采用这些通道，是认可长期、可核验的抽象研究训练；它们没有被本文宣称为IQ140的等价证明。

三种研究设计，怎样尝试拆开选择与教育

第一种思路是先测早期认知表现，再观察后续教育与成年成绩，尽量控制起点差异。困难在于早期测量本身可能有误差，而且家庭环境等因素未必都被观测。控制一个变量，不等于消除了所有选择因素。

第二种思路利用外部规则变化，例如某些群体因义务教育政策而多受教育。它试图找到并非完全由个人主动选择造成的教育差异。解释能否成立，依赖政策是否还通过其他路径影响结果，以及比较群体是否合适。第三种思路比较入学截止日期附近的儿童：年龄接近，但在校经历不同。它的优点是局部比较较清楚，局限是不能不加论证地推广到所有年龄和博士教育。

这些方法的共同价值在于，它们把“谁接受了更多教育”当作需要解释的问题。无论结果支持多大影响，都应连同识别条件一起阅读；看见一个平均效应后立即为个人安排固定的智商增减表，超出了研究设计。

数理逻辑与分析哲学：把争论改写成可以检验的结构

“每个人都欣赏某个作品”与“存在一个作品被所有人欣赏”表面接近，逻辑结构却不同。前者可以写作∀x∃y R(x,y)，后者写作∃y∀x R(x,y)。在前者中，每个人欣赏的作品可以不同；后者要求共同的一个。交换量词顺序，结论就可能彻底改变。

数理逻辑训练会进一步考察可证明性、可计算性、模型与形式系统之间的关系。分析哲学则常要求澄清概念、重建论证、寻找反例，并区分一个主张成立所必需的条件与只是经常伴随它的现象。它们并不要求所有问题都写成符号，而是要求表达上的精确能够改变实际推理。

这也是这些经历对讨论社群有价值的原因：一个好问题可以不是“你支持哪一边”，而是“你究竟在主张什么，什么观察会迫使你改变主张”。熟练使用这种习惯需要训练，却也不保证一个人在所有生活场景里都永远理性。

纯数学、理论物理与理论计算机科学：不同种类的困难

纯数学中的证明需要覆盖定义允许的全部对象。许多数值例子可以支持猜想，却不能自动填补从有限检查到普遍结论之间的距离。找到一个反例，有时比再验证一万个例子更有信息。研究训练常常围绕这种不对称展开：证明所有情况困难，推翻一个全称断言可能只需要一个正确构造。

理论物理经常在不同描述层次之间工作。某个近似在低能或长尺度下非常有效，并不要求它在所有尺度上都成立。研究者需要知道忽略项有多大、对称性怎样限制形式、模型给出哪些可检验预测。一个优雅的方程如果没有适用条件，可能比一个写清局限的近似更容易误导。

理论计算机科学又区分“原则上能不能计算”和“所需资源是否可接受”。一个问题存在算法，不意味着大规模实例能在实际时间内解决。形式语言学则可能用严格规则研究语言结构、意义组合及解释范围，而非只比较谁会更多外语。这些方向共同重视抽象，但抽象的对象和证据标准并不相同。

长期研究为什么不等于无条件的通用判断力

专门训练会形成很强的领域知识，也可能使某些表示方式变得自动。熟悉领域里，专家可以跳过新手必须逐步完成的中间判断；换到陌生领域，原有线索可能不再可靠。擅长证明定理不自动等于擅长判断医学研究，精通一种理论也不保证能识别所有商业承诺。

因此，学术通道最合理的解释是：申请者有与社群某些活动直接相关的深入经历。入会之后，他仍然可以是许多话题上的学习者。允许专家在别的领域说“不知道”，比要求学位为所有判断背书，更有利于严肃交流。

已有会员资格为何不重复计算成另一份智力证据

Mega Society或Giga Society的会员资格是补充的直接申请通道，但资格背后的成绩与另一条测试通道可能来自同一份报告。如果同一个人用某测试进入A社群，再以A社群会员申请B社群，不能把这两个身份当作两次独立测量。

本文没有针对这两个会员身份与综合智力之间的独立相关系数。它们在本站属于资格互认安排。核验会员身份可以确认规则上的资格，不能凭空增加原始测试的样本量、精度或独立性。

已有社群会员资格

Mega Society或Giga Society会员可通过补充资格通道直接申请，经会员身份核验后入会。这是智子对既有社群资格的认可安排；它不表示两个社群的历史规则、采用测试和智商换算方式完全相同，也不替代对身份真实性的确认。