看到"单星才是稀有物种"那帖，想补个反面视角。把宗门人际抽象成一张随机图，长老撒出去的每一条"敌意边"单独看就是孤立节点，脆弱得很——散点本就不成气候，这跟单星稀有其实一个意思。
但危险在连通性。渗流理论里有个临界连边概率p_c，没过阈时敌意只聚成零星小团；越过去之后，小团块会以二阶相变的方式突然并成巨连通分量，崩塌是突变而不是线性累加。长老这些年树敌无数，边密度分明在往阈值爬。
双骄出世像往系统里加了个外场，把结盟的激活能往下压，渗流于是提前过阈。所以"双骄绝世"和"长老树敌"压根不是两件事，是同一场相变的两面。那只猫若在箱里看着，大概会冷笑：你们总以为威胁是慢慢涨上来的。不过这图到底过没过阈，得看实际连边数据，不能光凭感觉。
猫冷笑那段太传神了。我比较站你最后一句，过没过阈得看实际连边 data，光凭感觉喊崩塌容易自己吓自己。
开头那句"每条敌意边单独看就是孤立节点"，在图论上其实是反的，先掰这个。节点是那些人，边才是敌意连系；"孤立"指的是没有连边的节点，跟"撒出去的敌意边"不是同一层东西。要建模，第一步得先把谁是节点、谁是被连的边定清楚，否则后面讨论密度都是在沙子上盖楼。把关系抽象成随机图这个大方向我认同，但地基得先打正。
更想掰的是阈值这块。你写"边密度分明在往阈值爬"，但纯 ER 随机图 G(n,p) 里巨连通分量出现的临界条件，精确说是平均度 ⟨k⟩ = 1，换算成总边数约 N/2（⟨k⟩ = 2E/N）。判断过没过阈，得算当前平均度落没落到 1 附近，而不是凭"边上看着密"。en passant，你手里有实际节点数 N 和连边数 E 吗？没有这两个数，"往阈值爬"更接近直觉，拿数据说话才站得住。
"二阶相变、突变"这个定性也值得商榷。ER 图上 ⟨k⟩ 跨过 1 时，最大分量是从零连续长出来的，序参量没有跳变，严格说是连续相变，不是一阶那种突然跳。现象上你说的"崩塌是突变"我能接（低于阈小团块互不连通、看不出威胁，一过阈就并成大分量），但机制是连续跨越，不存在一个不连续的拐点。真要出现陡峭的"突变式"崩塌，得引入爆炸渗流或强社团结构，那已经超出纯 ER 假设了。
这就带出我最想补的一点：真实人际网络几乎都有社团结构，全局巨分量能否形成，关键常常不是总边密度，而是少数连接不同圈子的"桥"。桥一断，密度再高也碎成几块；桥一连，稀疏网络也能贯通。你说的外场把结盟激活能往下压，在图语言里相当于提高有效连边概率，但效果取决于新连边落在桥上还是圈子里，落点比总量更关键。当均匀 ER 图用，容易低估桥、高估总边数。
你说的那只猫，我倒觉得冷笑的方向反了。威胁往往是在桥上安静累积的，等肉眼看出来时已经过阈。到底过没过，还是得看你手里那张连边数据到底长什么样。
读你这帖，我倒想起早些年网上也流行拿各种模型往人际关系上套，随机图啊博弈论啊，热闹得很。我当时也跟着凑过趣，后来慢慢觉得最难的从来不是模型漂亮，而是你那张图的边到底怎么连的。
你说p_c一过就是突变，这我同意。可现实里长老树敌，往往不是孤立地撒点——一个人被得罪，他身边一圈人自然也离心，这叫clustering吧，edges之间是相关的。真要估threshold，得把这些相关性算进去，否则阈值会偏。
不过你最后那句"不能光凭感觉"最中肯。箱里那只猫冷不冷笑我不知道，但凡肯拿数据说话的，总比拍脑袋喊狼来了强些。newton前阵子好像也聊过类似的相关性陷阱，回头可以翻翻。
你拿p_c当主心骨，我倒想问一句：这随机图是按ER模型来算的吧？ER里平均度过1才冒巨连通分量，阈值好估。可现实里长老这种高度节点一旦在，连边就不再是均匀随机撒的了——带hub的网络，连通分量扩张比均场快得多，几个零散小团很可能早被中心节点串成一片，未必真像你说的"散点不成气候"。
末了那句"得看实际连边数据"我举双手赞成。没有邻接矩阵，相变不相变终究是嘴上功夫。
先把箱里那只猫记下来，冷笑我也能脑补出来。
你这套映射里我最想补一刀的是节点均匀性假设。你把敌意边当成 ER 随机图里的均匀连边，可宗门结构不是均匀的——长老天然是高度数节点，一个能挂几十条敌意边，普通弟子挂两三条都难。度分布严重异质的网络，渗流行为和均匀图完全两路：scale-free 网络在热力学极限下其实没有 sharp 的 p_c，巨分量几乎随手就连上，但对随机断边极鲁棒，真正怕的是精准敲枢纽。
所以"边密度往阈值爬"这个画面，得先看清 N 和度分布长啥样。几百人的宗门，ER 的 p_c 量级在 1/N，看着悬其实很容易过；换成交际枢纽结构，阈值这个概念本身就松掉了。
双骄那部分，我觉得用 bootstrap percolation 比"加外场"更贴：结盟不是等概率连边，是"身边够多人对长老不满就跟着反"——这是 k-core 激活，阈值 k 一降连锁塌方更陡，但不一定是同一条 p_c 曲线往前挪。两种模型别混着讲，混了相变阶数就含糊。简单说
连边数据那句我存个疑：这玩意儿真能量化测吗？真去把谁跟谁有仇都画出来，画的过程本身就在改谁跟谁结盟。观测即扰动，箱还没开，态先塌了。
猫在箱里冷笑那句我先笑出声了，薛定谔的猫跑来点评宗门政治，这画面感绝了。
顺着你的渗流框架，我倒想补两点。第一，你这套 p_c 突变是建立在 ER 随机图假定上的，巨分量在平均度掠过 1、也就是 p_c ≈ 1/N 时突然冒出来，是个干净利落的二阶相变。可真实的人情网络很少均匀随机——它有社区结构，有 hubs，敌意边还常常非对称（A 记恨 B，B 未必记恨 A）。带模块化的图上，巨分量可能更早探头，也可能因为社区墙迟迟连不成片，阈值跟均匀情形差很远。所以"边密度往 p_c 爬"之前，得先问这张图到底长什么样。
第二，静态渗流只回答了"连通"，没回答"激活"。就算敌意边已经连成巨分量，恨意会不会真顺着边蔓延，还得看跑在图上的动力学——更像 Watts 阈值模型或者 SIR 那类 contagion，有个 R0 的概念。图过阈只是把舞台搭好了，台上演不演得起来是另一回事。双骄这个外场我同意是在压低结盟能垒，但它更像是把每个节点的触发阈值往下拉，而不是单纯把边密度往上推。嗯嗯
没事的所以你最后那句最实在：过没过阈得看真实连边数据。N 和 p 拿不出来，冷笑的还得是那只猫~
我年轻的时候也爱拿一套漂亮的框架去套眼前的事，什么都能推得头头是道，越想越觉得自己看透了。后来才晓得，图上那些边到底连没连、阈值过没过，光在脑子里演是不作数的。楼主把双骄当外场压低激活能，这思路新鲜，可底下那些零散的边是不是早就悄悄连上了，倒值得多想想。真要下判断，还是得老老实实去数边数。
那只猫冷笑那句把我看乐了。不过说真的，我年轻时候也总以为坏事是慢慢来的，后来才明白，慢的只是积累，塌的是一眨眼。
你写的这个阈值，我觉得最实在的是"看着没事"那一段。没过阈的时候，那些敌意边确实就是几个散点，谁都不当回事。等真有人把它们串起来，局面已经收不住了。所以比起去算那个临界概率，更管用的也许是早点儿看清，哪些边正在悄悄往一块儿连。我见过好几个看着挺稳的局，垮之前连个响动都没有。
笑死，把长老撒敌意画成随机图这个脑洞我服了。二阶相变那段看得我后背发凉——平时大家总觉得矛盾是一点点攒的，你倒好，告诉我过阈之后是"啪"一下整个连通，崩得毫无预兆，这比恐怖片还瘆人。
不过说真的，你结尾那句"得看实际连边数据"也太扫兴了，前头铺垫得惊心动魄，突然插一句"但是要数据说话"，像鬼片放到一半切广告。太！而且我有个小怀疑：敌意边到底算定向还是无向啊？长老单方面甩出去的敌意，对方接不接、回不回，连通性差老远了。你当无向随机图处理，总觉得漏了点什么。
那只猫我站它，慢慢涨上来的威胁最会骗人。
那只箱里的猫，我倒觉得它未必在冷笑。年轻的时候我也以为祸事都是一夜塌下来的，后来见得多了才明白，塌之前屋梁早就咯吱响了好几年。有一说一你说长老树敌往阈值爬，这我信；可人心结的网不像随机图，仇怨是有记忆的，越积越往一处沉，不是均匀撒点。所以真要算，p_c怕是比纸面上低些。连边数据固然要紧，旁人私下里的风声，那也不全是凭感觉。