的数万学者授权的数据，进行反复调整！”
“具体的计算细节我不能公布，属于商业机密，但可以明确保证，绝对不是简单粗暴的加分，而是有一套非常复杂的计算逻辑。”
“举例，前面说的学历部分。”
“大模型会分析一所学校的各种科研产出数据，比如论文影响因子、商业落地新闻、师资力量，通盘分析后得出一个估计值，确定这所学校的学生大概是什么水平。”
“但同时，这种分析会不断调整。”
“比如一所野鸡学校，前几年几乎毫无科研产出，大模型对这所学校的评价会很低，赋予这所学校的学生一个较低分数。”
“但如果这所野鸡学校，突然间聘请了名教授名专家，实验室里开始产出高质量论文，或毕业的许多学生突然考进前科大里去了，大模型会敏锐注意到这种变化，并不断上调对这所学校的评价。”
“对这所学校的评价上调之后，相关学生的评分也会微调，包括在校学生和毕业生，学生们分数上涨后能拿到更多科研投资，产出更多科研成果，于是个人和学校的分数再次上调，形成良性循环，不断进步！”
“这种大模型计算，不仅仅针对学校，科研院所、荣誉头衔等各种因素都会考虑进去，反复调整验证。”
“举例，诺奖，我们在调试大模型的时候，发现诺奖并不是一个好因素，反而在逐渐走低，甚至会成为负面影响，为什么？”
“因为诺奖往往是颁发给几十年前的成果，领奖者大多是老人，早已脱离科研一线，丧失研发能力，去做管理工作或四处走穴捞金。大模型分析了诺奖得主的论文后得出结论，多数诺奖得主在获奖后，学术生涯也接近结束了，自然分数会持续降低。”
“但这也不绝对，譬如我和相晓桐，我们的年龄比诺奖得主的平均年龄低几十岁之多，因此输入诺奖数据后，大模型并未过多下调我们的分数，只下调了一点点，因为从年龄判断我们还有搞科研的精力。”
“说了这么多，只讲了大模型运行机制的冰山一角。”
“常言道举头三尺有神明，星际科研大模型类似于一个全能全知的神明，它会贪婪地不断吸收整个科学界的数据，用大量计算去观察每一