Anthropic 说 Claude 自主设计出了蛋白质分子。但 Claude 一个蛋白模型都没训练，它调用的是七个别人做的开源工具。那七个工具里，谁被用得最多？我把官方公开的一千三百多行原始记录按工具拆了一遍：

字节的 PXDesign，358 个设计，占全部的 27.1%。第二名是诺奖得主 David Baker 实验室的 RFdiffusion3，268 个。字节比第二名多三分之一。

mp.weixin.qq.com

用Claude skills图解Claude蛋白质。

人类看短剧加速和vibe coding加速一样
以为自己大脑很强。

但其实产品不好投不出去

模型斩杀线来了
新能源汽车斩杀线是小米还是比亚迪？

师兄演唱会上捡到小狗狗
名片是刚毕业的999写的。

有点三要素合一了。

灌篮的架子
环保的击剑

在哪里可以下单呢

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。

其实模型好不好用，赚钱的都是这家。