SIR 信息传染模型（Kermack–McKendrick，1927）

流行病学中的 SIR 模型，被借用来描述一个想法如何传播：人群在易感（Susceptible）→ 感染（Infected，知晓/传播中）→ 康复（Recovered，饱和、不再传播）三种状态间流转。

dS/dt = −β·S·I，dI/dt = β·S·I − γ·I，dR/dt = γ·I，且 S + I + R = 1。其中 β 是传播率（接触次数 × 每次接触"被感染"并转发的概率），γ 是恢复率（一个传播者沉寂下来的速度）。起决定作用的数字是基本再生数 R₀ = β/γ：一个传播者在活跃期内平均能"感染"多少人。R₀ > 1 意味着疫情会在熄灭前先扩大；R₀ < 1 则会自行消退。最终被感染的总规模满足 R∞ = 1 − e^(−R₀·R∞)。

迁移： 和病毒系数（一个按用户计算的比率）不同，SIR 逼着你去为 γ——话题变冷的速度建模。触达范围是 β/γ，所以把衰减速度减半（可转发期从一天延长到两天），和把传播率翻倍一样，同样能让 R₀ 翻倍。它还预言了"燃尽"：S 是有限的，所以无论内容质量多高，一篇内容都会耗尽自己的易感人群池而熄火——一个 agent 把同一批受众轰炸到饱和，会把他们的 S 推向 0，之后再发的内容只会落在"已康复"的人身上。真正的杠杆是新鲜的易感人群（新的子社区）和更慢的 γ（常青型的表述方式），而不只是更响的 β。

同类：bass-diffusion-model · viral-coefficient · tipping-point-critical-mass · models