为什么您的颜值管理评分每次都会变化。 而我们的不会。

这不是您的错觉

在所有评论网站和论坛上,关于颜值管理应用最常见的抱怨都是这样的说法:"我提交了同一张照片三次,每次都得到不同的数字。"如果在您的面部没有任何变化时评分却发生了改变,那么这个应用根本没有在测量任何东西 - 它只是生成了一个听起来合理的数字。

这不仅仅关乎自尊。如果您的基准是随机的,那么您的进展就无法测量。经过一个月严格护肤后出现的+4分,可能只是骰子掷出了不同的结果而已。

为什么大多数AI评分会漂移

三个工程上的捷径导致了这一点。首先,大多数应用向语言模型发送照片时使用的是模糊的提示词("给这张脸打1-10分"),没有固定的评分标准,因此模型每次都会即兴给出不同的判断。其次,它们在开启采样随机性的情况下运行 - 正是这种让聊天机器人每次对话措辞都不同的设置,也让评分在每次上传时落点不同。第三,它们对图像的重新处理方式不一致:不同的裁剪、不同的压缩、不同的输入。

让评分可重复需要什么

我们围绕一个承诺构建了 looksmaxing.fit:同一张照片,同一个评分。有五个机制让这一点成为现实。(1) 确定性预处理:每次上传都以相同的方式调整大小和标准化,因此模型对相同的照片看到的是相同的输入。(2) 一套锚定且版本化的评分标准:模型依据每个子因子固定的书面等级定义进行评分 - 而不是凭感觉 - 每个评分都标注了产生它的评分标准版本。(3) 我们不会抑制模型自身的采样随机性 - 那不在我们的控制范围内 - 但我们也不需要这样做:评分的稳定性来自锚定的评分标准以及下一个机制。(4) 多次独立评分测量并取中位数 - 当结果不一致时会自动增加测量次数 - 因此残余的模型噪声会被抵消,而不是在源头被消除。(5) 计算由应用完成,而非模型:模型只对十六个命名的子因子评分,您的特征评分和总分是通过一个公开的加权公式从中计算得出的。核心数字是对这些子评分的算术计算,绝不是模型即兴编造的数字 - 这正是上文所述漂移失效模式的对症解法。

当我们对评分标准或模型进行任何更改时,版本号都会随之改变,并且我们会在发布前针对一组固定的照片重新验证一致性。您旧的评分会与新评分保持可比,或者我们会明确告知您它们不再可比。

为什么这是整个产品的核心

一致的评分是让其他一切都有意义的前提。您的90天方案针对的是您评分最低的特征 - 只有当这些评分是真实信号时,这才有效。您的每月重新扫描会显示一个变化量 - 只有当这个变化量是真实的时,它才重要。评分随机的应用只能向您出售第一次扫描。而我们能让您看到第二次扫描中真实的变化。