，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个人，继而得出一个评分，让投资人熟悉科学家的实力。”
“评分之后是什么样式？请看示例！”宋河说，“这里用我的一位学生来当例子。”
【卢庚】
【综合评分：512分】
【利好：高考省状元，大学考试分数位居专业前1，就读于一流名校“前沿科技大学药学院”，论文影响因子高于同情况学者270，研究方向为成果井喷方向，实验室打卡工作时间长，试剂仪器使用量大，科研激励环境强】
【利空：年龄较小，尚未进入科研成果密集井喷的黄金年龄，论文样本数较小，难以具体分析研究能力，就读于新成立高校专业，相关高校培养能力待观察，无成熟团队工作经验和长周期科研履历】
【综合评价：潜力巨大的年轻人，在特定科研方向上可能出现高成功率，请谨慎投资】
“这份大模型的评估，基本和我对卢庚同学的判断是一样的。”宋河说，“当然，我对卢庚的了解更深，毕竟卢庚在实验室工作的专注程度，他和我谈科研时的思路敏锐度，很多东西不是数据能衡量的。”