“舉例，學歷部分。”
“大模型會分析一所學校的各種科研產出數據，比如論文影響因子、商業落地新聞、師資力量，通盤分析后得出一個估計值，確定這所學校的學生大概是什么水平。”
“但同時，這種分析會不斷調整。”
“比如一所野雞學校，前幾年幾乎毫無科研產出，大模型對這所學校的評價會很低，賦予這所學校的學生一個較低分數。”
“但如果這所野雞學校，突然間聘請了名教授名專家，實驗室里開始產出高質量論文，或畢業的許多學生突然考進北大前科大里去了，大模型會敏銳注意到這種變化，并不斷上調對這所學校的評價！”
“對這所學校的評價上調之后，相關學生的評分也會微調，包括在校學生和畢業生，學生們分數上漲后能拿到更多科研投資，產出更多科研成果，于是個人和學校的分數再次上調，形成良性循環，不斷進步！”
“這種大模型計算，不僅僅針對學校，包括榮譽頭銜等各種因素都會考慮進去，反復調整驗證！”
“舉例，諾獎，我們在調試大模型的時候，發現諾獎并不是一個好因素，反而在逐漸走低，甚至會成為負面影響，為什么？”
“因為諾獎往往是頒發給幾十年前的成果，領獎者大多是老人，早已脫離科研一線，喪失研發能力，去做管理工作或四處走穴撈金。”
“大模型分析了諾獎得主的論文后得出結論，多數諾獎得主在獲獎后，學術生涯也接近結束了，自然分數會持續降低。”
“但這也不絕對，譬如我和相曉桐，我們年齡比諾獎得主的平均年齡低幾十歲之多，因此輸入諾獎數據后，大模型并未過多下調我們的分數，只下調了一點點，因為從年齡判斷我們還有搞科研的精力。”
禮堂所有人都看向前排，一群諾獎老頭老太笑容無奈。
“說了這么多，只講了大模型運行機制的冰山一角。”
“常言道舉頭三尺有神明，星際科研大模型類似于一個全能全知的神明，它會貪婪地不斷吸收整個科學界的數據，用大量計算去觀察每一個人，繼而得出一個評分，讓投資人熟悉科學家的實力。”
“評分之后是什么樣式？請看示例！”宋河說，“這里用我的一位學生來當例子。”
【盧庚】
【綜合評分：512分】
【利好：高考省狀元，大學考試分數位居專業前1，就讀于一流名校“前沿科技大學藥學院”，論文影響因子高于同情況學者270，研究方向為成果井噴方向，實驗室打卡工作時間長，試劑儀器使用量大，科研激勵環境強】
【利空：年齡較小，尚未進入科研成果密集井噴的黃金年齡，論文樣本數較小，難以具體分析研究能力，就讀于新成立高校專業，相關高校培養能力待觀察，無成熟團隊工作經驗和長周期科研履歷】
【綜合評價：潛力巨大的年輕人，在特定科研方向上可能出現高成功率，請謹慎投資】
“這份大模型的評估，基本和我對盧庚同學的判斷是一樣的。”宋河說，“當然，我對盧庚的了解更深，畢竟他在實驗室工作的專注程度，他和我談科研時的思路敏銳度，很多東西不是數據能衡量的。”
“這就引入另一個非正式功能的機制，伯樂評分！”
最近轉碼嚴重，讓我們更有動力，更新更快，麻煩你動動小手退出閱讀模式。謝謝</p>