即刻App年轻人的同好社区
下载
0 00
这篇论文：Portraits of Power: Facial Appearances and the Tacit Domain of Political Selection in China，作者是:Junyan Jiang(蒋俊彦,哥伦比亚大学)· Songpo Yang(杨松坡,清华/北大)。
打分模型:ResNeXt-50(2017 年的 CNN,ResNet 升级版)。
训练闭环:199 名线上评分员(教育程度偏低,49.2% 高中及以下)给 2,500 张市级官员照片按 1–5 分打 → 训练集 2,403 张 → 训练模型 → 用另外 3,427 张新照片验证(人机相关性"很高")→ 模型给剩下两万多张全部打分。
为什么用 AI 而非纯人工:避免人工给几千张打分的疲劳误差 + 避免评分员认得出高官带来的偏见(所以专挑没名气的市级官员做训练集)。
可解释性:Grad-CAM 热力图(Fig 3)证明模型看的是五官不是背景——能力看眉眼+下颌、可信看眼和嘴、进攻看全脸棱角、吸引力看脸中央。
因果识别的杀手锏:一个联合实验(conjoint)——让真·政府官员看两份随机配了脸的假候选人档案选谁升。因为脸是随机分配的,这一步才真正把"脸"和"真实能力/性格"切开。
私信我，回复：最好 vs 最差的脸的图。
打分模型:ResNeXt-50(2017 年的 CNN,ResNet 升级版)。
训练闭环:199 名线上评分员(教育程度偏低,49.2% 高中及以下)给 2,500 张市级官员照片按 1–5 分打 → 训练集 2,403 张 → 训练模型 → 用另外 3,427 张新照片验证(人机相关性"很高")→ 模型给剩下两万多张全部打分。
为什么用 AI 而非纯人工:避免人工给几千张打分的疲劳误差 + 避免评分员认得出高官带来的偏见(所以专挑没名气的市级官员做训练集)。
可解释性:Grad-CAM 热力图(Fig 3)证明模型看的是五官不是背景——能力看眉眼+下颌、可信看眼和嘴、进攻看全脸棱角、吸引力看脸中央。
因果识别的杀手锏:一个联合实验(conjoint)——让真·政府官员看两份随机配了脸的假候选人档案选谁升。因为脸是随机分配的,这一步才真正把"脸"和"真实能力/性格"切开。
私信我，回复：最好 vs 最差的脸的图。
0 00
其实模型好不好用，赚钱的都是这家。
Claude 5 屠榜，谷歌赚钱
1 00
段永平:十年后只剩 Gemini,它靠什么赚钱?
最近看到一句话很经典:说茅台的酿酒水有多少稀有微生物,和现在大模型炫耀大模型参数和排行榜一个道理,当年雷军有也是拿跑分塑造了小米，有些人也是写论文的炫调研了多少份文件。
当下如果你也做AI,不免看到一老哥炫耀这个月烧了多少 token。
你发现没,炫的都是同一件事——我消耗了多少。至于产出了啥,没人提。
想起之前跑的视频的项目,一个人一天能消耗一百条视频。十个人上千条跑起来，有点骆驼祥子停不下来的感觉。
今天看到 Marc Lou 的路子。法国人,一个人,十几个小产品堆着卖,一年做到一百多万美金,公认一人公司做到头了。
他看东西不看规模,看效率——每个访客带回多少钱,每一块投入换回多少。挪到 AI 上就是:每烧一百万 token,你赚回多少。这个数高,你是真把 AI 变成了钱;低,或者是负的,你就是在烧。
我那个一天一百条的项目,拿这把尺子一量,反面教材。
往上抬一层,放到 AI 公司身上,一样的道理。
现在这些大模型,烧着吓人的算力,可你问它怎么赚钱,它说不清。段永平更直接,说自己看不懂大模型的盈利模式,一堆模型十年后能活的,他估计不到一成。但他点了一个能活的:Gemini。
我专门查了 Gemini 靠什么赚钱。它根本不靠自己赚——它插在 Google 那台印钞机上。搜索广告是现金牛,云一个季度涨六成、做到两百亿美金,企业抢着要;再加三亿五千万付费订阅、塞进 Workspace 的 Gemini,四条管子一起供。到今天,Gemini 是实打实赚钱的。
再看 OpenAI,八亿周活,真掏钱的大概五个点,还在烧。Gemini 能活,保它的不是模型,是 Google 那门把消耗变成钱的老生意。
所以一个人也好,一家公司也好,就一把尺子:你烧掉的,有没有变成持续的钱。我的 Veo 项目没做到。Gemini 背后的 Google,做到
最近看到一句话很经典:说茅台的酿酒水有多少稀有微生物,和现在大模型炫耀大模型参数和排行榜一个道理,当年雷军有也是拿跑分塑造了小米，有些人也是写论文的炫调研了多少份文件。
当下如果你也做AI,不免看到一老哥炫耀这个月烧了多少 token。
你发现没,炫的都是同一件事——我消耗了多少。至于产出了啥,没人提。
想起之前跑的视频的项目,一个人一天能消耗一百条视频。十个人上千条跑起来，有点骆驼祥子停不下来的感觉。
今天看到 Marc Lou 的路子。法国人,一个人,十几个小产品堆着卖,一年做到一百多万美金,公认一人公司做到头了。
他看东西不看规模,看效率——每个访客带回多少钱,每一块投入换回多少。挪到 AI 上就是:每烧一百万 token,你赚回多少。这个数高,你是真把 AI 变成了钱;低,或者是负的,你就是在烧。
我那个一天一百条的项目,拿这把尺子一量,反面教材。
往上抬一层,放到 AI 公司身上,一样的道理。
现在这些大模型,烧着吓人的算力,可你问它怎么赚钱,它说不清。段永平更直接,说自己看不懂大模型的盈利模式,一堆模型十年后能活的,他估计不到一成。但他点了一个能活的:Gemini。
我专门查了 Gemini 靠什么赚钱。它根本不靠自己赚——它插在 Google 那台印钞机上。搜索广告是现金牛,云一个季度涨六成、做到两百亿美金,企业抢着要;再加三亿五千万付费订阅、塞进 Workspace 的 Gemini,四条管子一起供。到今天,Gemini 是实打实赚钱的。
再看 OpenAI,八亿周活,真掏钱的大概五个点,还在烧。Gemini 能活,保它的不是模型,是 Google 那门把消耗变成钱的老生意。
所以一个人也好,一家公司也好,就一把尺子:你烧掉的,有没有变成持续的钱。我的 Veo 项目没做到。Gemini 背后的 Google,做到
2 00
