本文要点
- 相对：换一批打分的人，平均分可能移动约 1 分；工具重新校准，旧分数就不能比。
- 有误差：分数挤在中段时，差两三分是噪声，不是结论。
- 是汇总：拆开看各项读数，才知道两次结果是哪里变了。
- 分数描述的是一张照片，不衡量一个人的价值。
颜值打分怎么看？先问它相对谁
一个分数自己不说话。「7 分」「75 分」，都要先问：跟谁比？
做颜值评分的模型，通常是拿一批照片和一批人的打分学出来的。2018 年一个常用数据集里，答案是 60 位志愿者对 5,500 张正脸照的平均分。模型给你的数，是在估计这群人大概会给这张照片打多少。
参照一变，数就变。一项研究里，同一批照片由两组评委打分，平均分相差约 1 分（7 分制）。一家颜值打分网站重新校准过一次，之前的分数就不能和现在的比了。
所以先看刻度和参照：几分制，跟哪类脸比，评分基准选的是什么。
分数有误差：换一张照片，数就会变
每个分数都带着一个看不见的误差范围。
2011 年一项研究请 40 人给 20 个人、每人 20 张照片打分。只要照片挑得合适，任意两个人谁更好看都能反过来。打分的人自己也在变：同一个人隔一周再给同一批脸打分，和自己的相关约 0.80，不是 1。
那家网站公布的分数还显示，分数挤在中段：平均 71.5，中位数 75，前 10% 在 84 分以上。挤得这么密，差两三分说明不了什么。
假设两张照片测出 74 和 77（这是为了说明的假设），先别下结论：同样拍法再测几次，看这 3 分是不是噪声。三次都落在一个小范围里，再比两种拍法差多少，才有意义。照片怎么让分数变，见为什么每次测的分数不一样。
一个数是很多读数的汇总：拆开读
一个总分是许多读数压成的。只看总分，就不知道是哪里动了。
人脸打分的工具，第一步都是在脸上找点，再从点算出比值。上图画的是几段常用来算比例的长度，总分背后就是这类读数。同一张示例照片上，另外几项是：下颌宽 ÷ 颧骨宽 0.79，中庭 ÷ 下庭 0.99，两只眼的眼高 ÷ 眼长 0.29 和 0.31。最后这一项偏小，因为照片里在笑，笑会把眼睛推窄。
这就是拆开读的好处：两次结果不一样，先看是哪一项变了。眼部读数变了，想想表情；对称变了，想想头有没有转。
有的工具只按一个固定比例打分，比如黄金比例。研究里它和评分的关系很弱，见黄金比例脸准吗。
三条读法：同类比，看部分，不凭一次下结论
- 同类比：只比同一个工具、同一个评分基准、同样拍法的结果。刻度不同的分数放在一起，没有意义。
- 看部分：先看各项读数和说明，再看总分。部分告诉你是什么在起作用。
- 不凭一次下结论：同样条件测三次，看差多少；差值以内的变化，当噪声处理。
最重要的一条：分数描述的是一张照片在某一批人眼里大致的印象，不衡量一个人的价值，也不给人排名。
拍法怎么统一，见正脸照怎么拍；一个分数能准到什么程度，见颜值打分准不准。
FacialRate 怎么做：不只一个数
FacialRate 的分数，来自一个从真人评分里学出来的机器学习模型，不是黄金比例计算器那种挑好的固定公式；它用真人评分校准、测试过。
它也不只给一个数。免费的颜值报告里有：
- 你的颜型；
- 最强的一项；
- 三个亮点；
- 11+ 项维度的解读；
- 一条可以试试的建议。
这正好对应上面的「看部分」：总分之外，能看到各项读数各自说了什么。完整报告是可选的一次性购买，不是订阅。
读它的分数，也照上面三条来：同样拍法测几次，先看各项，再看总分。
常见问题
颜值测试打了 6 分，算高还是低？
先看刻度和参照：几分制，跟哪批脸比。和你自己同样拍法的其他结果比，比和别人的分数比更有意义。
为什么我给自己的分和测出来的不一样？
研究里，人给自己打的分平均比别人给的高约 1 分；刚看过一批高分的脸，再给自己打分，自评也会变低。
总分和各项读数，先看哪个？
先看各项。总分是很多读数的汇总，两次结果不一样时，各项能告诉你是哪里变了。