Each language version is independently generated for its own context, not a direct translation.
这篇论文其实是在给科学界“打假”，或者更准确地说，是在纠正一个关于鲨鱼家族历史的重大误解。
想象一下，科学家们在研究过去 1.45 亿年里鲨鱼（特别是新鲨类，neoselachians）是如何繁衍和灭绝的。最近有一项研究（我们叫它"GEA 研究”）利用了一个超级强大的人工智能（深度学习模型），像侦探一样扫描了海量的化石记录，得出了一个惊人的结论：
GEA 研究的结论： 鲨鱼家族在 6600 万年前那场著名的“恐龙大灭绝”（K/Pg 事件）中几乎毫发无伤，只损失了约 10% 的物种，而且它们最近的数量下降只是因为化石没找全，而不是因为真的变少了。
但是，这篇论文的作者们（一群资深的古生物学家）站出来说：“等等，这个结论大错特错！就像是用一把生锈的尺子去量世界，量出来的结果当然不准。”
他们把 GEA 研究的数据和方法像做手术一样拆解开来，发现了三个致命的问题：
1. 数据就像“混入假货的超市货架”
GEA 研究使用的数据库里，混进了大量错误的信息。作者们发现，这个数据库里有近 40% 的化石记录是无法验证的（没有图片、没有标本号、甚至没有描述，就像超市里有人把空盒子贴上标签说里面是金子）。
- 比喻： 想象你在整理一个家族相册。GEA 研究把一些根本不是这个家族的人（比如把几千年前的照片硬说是昨天的），或者把名字写错的人（把“张三”写成“张四”）都算进了家族成员里。
- 后果： 这导致很多明明在恐龙大灭绝时就死绝了的鲨鱼，被错误地标记为“幸存者”，甚至被标记为“现代鲨鱼”。这就好比你在统计“谁活过了火灾”，结果把几个根本没进过火场的人也算成了幸存者，自然觉得火灾没那么可怕。
2. 专家经验被“机器”忽略了
古生物学不仅仅是数数，更需要专家的眼力。GEA 研究完全依赖算法，忽略了人类专家对化石的细致辨认。
- 比喻： 这就像让一个只会认字的机器人去鉴定古董。机器人看到标签上写着“明代花瓶”，不管它是不是真的，就照单全收。但人类专家会摸一摸、看一看，发现那是现代仿品，或者标签贴错了。
- 具体错误： 比如，有些化石明明只属于某个特定的地质年代，但算法因为标签模糊（比如写着“疑似 XX 种”），就强行把它归到了另一个年代。这导致原本应该灭绝的物种，在数据里“复活”了。
3. 计算方法就像“只看总分，不看过程”
GEA 研究计算灭绝率的方法非常奇怪。他们只是简单比较了“大灭绝前有多少种”和“大灭绝后有多少种”，然后算个差值。
- 比喻： 这就像看一场足球赛，只比较上半场结束时的比分和下半场结束时的比分，然后说：“哦，下半场只丢了 1 个球，防守很稳。”
- 真相是： 下半场可能进了 10 个球，也丢了 10 个球，最后比分没变。但如果你只看总分，就完全忽略了那场惨烈的“进球大战”（即高灭绝率和高新物种诞生率）。
- 作者的计算： 作者们用正确的方法重新计算后发现，在那场大灭绝中，鲨鱼家族的真实灭绝率高达 60% 到 90% 以上，而不是 GEA 说的 10%。
总结：为什么这很重要？
这篇论文的核心观点是：科学结论不能只靠“大数据”和“高科技模型”，如果输入的数据是错的（垃圾进），算出来的结果再漂亮也是垃圾（垃圾出）。
- GEA 研究带来的误导： 它让我们误以为鲨鱼家族在历史上非常“抗揍”，对大灭绝有极强的抵抗力。
- 真实的情况： 鲨鱼家族在历史上其实非常脆弱，经历过惨痛的灭绝。
- 现实意义： 现在鲨鱼正面临人类过度捕捞和栖息地破坏的威胁。如果我们被 GEA 研究误导，以为它们“死不了”，就会放松警惕，不再保护它们。
一句话总结：
作者们是在告诉科学界：别被花哨的 AI 模型迷了眼，做古生物研究得像老练的侦探一样，先要把每一块化石的“身份证”（分类和年代）核实清楚，否则算出来的“家族史”就是一部充满谎言的科幻小说。
Each language version is independently generated for its own context, not a direct translation.
这是一份关于该预印本论文的详细技术总结，涵盖了研究背景、问题、方法论、主要发现及科学意义。
论文技术总结：化石基分析在类群多样化模式研究中对分类学专长和方法论的依赖
1. 研究背景与核心问题
- 背景：利用化石记录估算深时（Deep-time）多样化模式及现存生物多样性的建立是宏观进化的核心挑战。
- 争议对象：针对 Gardiner 等人（以下简称 GEA）近期发表的研究（利用深度学习模型和化石出现数据集估算新鲨类 Neoselachii 过去 1.45 亿年的多样性），该研究得出了与当前科学共识相悖的结论。
- 核心问题：GEA 的研究声称新鲨类多样性在白垩纪持续增加，受白垩纪 - 古近纪（K/Pg）大灭绝影响极小（仅损失约 10% 物种），并在中始新世达到峰值后下降。然而，现有共识认为 K/Pg 事件导致了极高的灭绝率和显著的多样性下降。本文旨在揭示 GEA 研究结论出现偏差的原因，指出其数据质量和方法论存在严重缺陷。
2. 方法论与数据审查
作者团队对 GEA 使用的数据集和分析方法进行了重新审查和验证：
- 数据来源审查：GEA 的数据集结合了 Paleobiology Database 和 Shark-References 数据库，包含约 2.4 万属级和 1.8 万种级的化石出现记录。
- 分类学验证：
- 重新检查了跨越 K/Pg 边界的“幸存者”和“受害者”物种/属。
- 核实了分类学归属、化石出现的时间准确性，并绘制了时间分布图以识别异常值。
- 方法论对比：
- 对比了 GEA 使用的“净变化率”（Net change in richness）计算方法与传统的“灭绝幅度”（Extinction magnitude, e×100/D）计算方法。
- 评估了深度学习模型在缺乏物种形成和灭绝速率背景下的适用性。
3. 关键发现与主要贡献
A. 化石出现数据集的严重缺陷
作者发现 GEA 的数据集存在大量未验证和错误的记录，导致 K/Pg 幸存者数量被人为夸大：
- 不确定的命名处理错误：GEA 将包含"cf."（相似）、"aff."（亲缘）或"?"（不确定）的不确定命名直接归并为确定的物种名称。例如，将 Squatina aff. cranei 直接视为 Squatina cranei。这类处理占数据集的 7.4%（1,821 条记录），人为制造了大量跨越 K/Pg 边界的“幸存者”。
- 缺乏证据的记录：39%（9,561 条）的记录没有插图、标本号或描述，无法验证其分类学有效性，但被 GEA 视为有效数据。这导致许多白垩纪类群错误地出现在古近纪，反之亦然。
- 过时的分类与重复：存在重复命名（如 Cretolamna/Cretalamna）和过时分类（如将白垩纪的 Dasyatis 归入始新世物种），进一步虚增了幸存者数量。
- 地层年代错误：部分化石产地的年代赋值错误（如将混合了白垩纪和古近纪地层的地点错误标记为跨越 K/Pg 边界），导致典型白垩纪物种被错误地视为幸存者。
- 文献遗漏：排除 1970 年以前的文献导致关键的模式产地记录缺失，遗漏了重要的 K/Pg 受害者。
B. 方法论的不当选择
- 指标选择错误：GEA 使用“物种丰富度的净变化”（即两个时间单元绝对丰富度的差值）来衡量灭绝幅度，而忽略了物种形成和灭绝的具体速率。
- 计算逻辑缺陷：这种“朴素”的方法无法反映真实的灭绝强度。不同的演化历史（高灭绝 + 高复苏 vs. 低灭绝 + 低复苏）可能产生相同的净变化结果。
- 数据量误区：GEA 认为其“增加”的数据量（包含大量未验证记录）能更准确反映多样性，但作者指出，在物种数量恒定的情况下，单纯增加出现次数并不能修正对多样化速率的估计偏差。
C. 定量结果对比
- GEA 的结论：K/Pg 事件导致新鲨类物种丰富度仅下降约 9.7%（基于模型）或 32%（基于原始数据）。
- 修正后的结论：
- 使用 GEA 的原始（有缺陷）数据，按传统方法计算，物种灭绝幅度高达 64.32%。
- 在剔除虚假记录、修正分类和年代后，物种灭绝幅度上升至 93.53%（属级为 65.29%）。
- 这一结果与基于贝叶斯模型的其他研究（约 62.63%）更为一致，且证实了 K/Pg 事件对新鲨类造成了毁灭性打击。
4. 科学意义与结论
- 警示作用：本文强调，基于化石的多样化分析必须依赖分类学专长（Taxonomic expertise）和严谨的方法论。缺乏对化石记录的严格分类学审查（如处理不确定命名、验证标本证据）会导致灾难性的结论偏差。
- 纠正认知：GEA 的研究低估了 K/Pg 大灭绝的严重程度，错误地传递了新鲨类具有“抗灭绝韧性”的误导性信息。事实上，历史证据表明该类群曾遭受过巨大的损失。
- 对未来的建议：鉴于 GEA 数据集中存在大量严重缺陷，作者明确不建议在基于化石的多样化分析中继续使用其数据集。未来的研究必须结合详细的古生物学分类审查和能够同时估算物种形成与灭绝速率的统计模型。
总结：该论文通过详尽的数据清洗和重新分析，有力地反驳了 GEA 关于新鲨类在 K/Pg 大灭绝中幸存率高的观点，证明了分类学错误和方法论缺陷是导致科学结论偏差的根本原因，并重申了古生物学研究中分类学严谨性的核心地位。