PSL 评分算科学吗，还是伪科学？

PSL 评分不是真科学。它从吸引力研究里拿了几个真变量——对称性、性别二态、皮肤——把它们焊到自创的分级和毫米级测量上，比如内眦倾斜和下颌角，再把结果包装成一个客观的等级。它被广泛标记为伪科学：加了几道工序的相面术。它测量的那些几何，并不能预测你对真实的人到底有多大吸引力。

如果你已经搜到了这个问题，你多半早就感觉到裂缝了。那个「和谐度」分级跟镜子里的自己总对不上。两个工具给同一张脸的分差了一整档。某个「比你低档」的人在现实里过得好好的。我们就老实地把 PSL 拆开看——它借了哪些真东西、在哪里跑偏、以及真正起作用的是什么。

关键数字

• PSL 量表通常是 0–8（有时 0–10），「普通人」的中位数被钉在 5 附近——这个门槛背后没有任何已发表研究做锚。
• 一项汇集了 919 项研究、12261 名评分者的元分析发现，人们对谁有吸引力有很强的共识——是整体打分得出的，不是靠给几何子特征逐项打分（Langlois et al., 2000）。
• 吸引力判断大约在 100 毫秒内成型（Willis & Todorov, 2006）——是一次近乎瞬间的整体读取，不是测量作业。
• 两条近乎普世的轴驱动着对脸的瞬间判断——可信度和支配感（Todorov）——它们都不是毫米测量。
• Buss 的 37 文化研究（1989，n ≈ 10000）发现，女性对地位、可靠、温暖给的权重很重——这些线索是 PSL 的几何分数根本看不见的。

PSL 评分到底声称在测什么？

PSL 声称在几条几何轴上客观地给你的脸打分——和谐度、二态、棱角——然后把你放到一个数字档位上。它把自己包装得比随手打的 1 到 10 分更严谨。这种包装借了真变量，却落在一个自创、没验证过的数字上。

这名字来自老一代的 PUAHate / Sluthate / Lookism 论坛，这套体系就是在那里被成文化的。一个 PSL 评分者会看这些东西：和谐度（五官搭得有多协调）、二态（脸读起来有多明确的男性气质）、棱角（低体脂带来的锋利颧骨和下颌），再加一堆具体指标：内眦倾斜（眼角往上翘的角度）、下颌角（下巴后部的弯折）、中面比例、下颌支长度。

这些全部汇成一个数字和一个档位——最底下是 sub-normie，往上是「normie」、chadlite、chad，再上面是各种 meme 档。卖点是精确。现实是一套被打扮成测量的词汇。

PSL 的几何真有吸引力研究支撑吗？

部分有，陷阱就在这。少数几个 PSL 的输入确实出现在真正的文献里——对称性和性别二态，作为女性评分会有所响应的因素，是被认真研究过的。但 PSL 那些具体主张——内眦倾斜、或者下颌角变一度，能撬动真实吸引力——没有任何白名单级别的支持，而那些分级门槛压根从没被验证过。

老实说，分界是这样的：

PSL 的主张	实际上的真相
对称性和二态有关系	有支撑，但效应是中等且统计性的（Little、平均脸研究）——不是一纸判决
脸能被打到精确的 0–8 档	没有研究锚定任何门槛；「normie = 5」是论坛惯例
内眦倾斜 / 下颌角能预测吸引力	没有白名单证据；这些在一张会动的脸上几乎看不见
吸引力 = 测量过的子特征之和	把结论反过来了——人是在约 100 毫秒里整体地反应（Willis & Todorov, 2006）
一张照片揭示你的「真实」分数	静态照片是你的最差画面；几何随光线和角度而变

论坛不是凭空造出对称性的。问题不在原料。问题在于那一跃：从「对称性是一个中等因素」跳到「你这张脸 4.5 分，低档，这是你的手术清单」。科学就在这一跃处停了，cope 经济从这里开始。

为什么 PSL 被广泛叫做「加了几道工序的相面术」？

因为它结构上就是这玩意。相面术——那个早被否定的想法：你能从面部测量里读出一个人的价值或品性——正是 PSL 在做的动作：测量脸，输出对人的排名。加上几度内眦倾斜并不会让它变成科学。它只是让它变成拿着量角器的相面术。

真正的测量有一个你能去对照的真实基准。温度计是拿已知温度校准的。一个 PSL 档位从来不是这么定的：把脸拿给女性看、记录她们实际响应了谁、再反推门槛。它是由论坛共识定下来的，硬化成了一种感觉。把你的照片过三个工具，你会拿到三个数字——Reddit 帖子和应用商店评论里的用户，正是为这个原因，常把 AI 评分器骂成「cope」和「不可靠」。这种分歧不是可以平均掉的噪声。它是这套系统在承认自己底下什么都没有。

还有一个连社区自己都提出来的公平性问题：PSL 的「理想」几何偏向一个狭窄、常常是欧洲中心的模板，这意味着这把尺子在惩罚跨脸型、跨族裔的正常差异，而不是在测量任何关于吸引力的真东西。（更多见 脸部评分应用是欧洲中心的吗。）

所以——PSL 评分算真科学吗？ 它借了真变量，把它们贴到一个看起来很精确的数字上，却从没拿这个数字去验证它声称要预测的东西。一个没法跟现实对照的测量，不是测量。

真正的吸引力研究又发现了什么？

跟 PSL 的运作方式正好相反。当吸引力被恰当地测量时，人们对谁有吸引力有相当一致的看法——但这种一致体现在整体的直觉反应里，没有谁是在把测量过的子特征加起来。大脑不会去算和谐度加棱角。它直接反应。

Langlois 团队 2000 年的元分析汇集了 919 项研究、一万两千多名评分者，发现了很高的跨文化共识——来自「给这张脸打 1–7 分」的判断，不是几何。Willis 和 Todorov（2006）把脸展示 100 毫秒，发现这些瞬间判断跟无限时长下的判断高度相关。十分之一秒。一个整体的知觉格式塔，不是量角器读数。

而且输入比 PSL 承认的要宽得多。Todorov 的工作显示，对脸的瞬间读取会坍缩到两条轴上——可信度和支配感——它们关乎表情和气场，跟骨头一样多。Buss（1989）发现女性给地位、可靠、温暖的权重很重。光环效应（Dion, Berscheid & Walster, 1972）是双向的：温暖和自信会扭转那张脸读起来有多吸引人。薄片研究（Ambady & Rosenthal, 1992）显示，人能从几秒钟的行为里拉出准确的判断——你怎么动、你怎么撑起自己。一个 PSL 工具看不到这些里的任何一点。它读的是一张冻结的像素网格，而那是一个男人的最差版本。（关于几何和感知之间的区别，见 被感知的吸引力 vs 客观美。）

几何派还漏了一件事：感知是按阈值走的，不是平滑的逐分增长。有一条带，你从「背景板」跨进「她会多看一眼」，而跨过去主要靠你能改的线索——不是你改不了的骨头。

说句软话，因为那个数字可能砸得很重

如果某个 PSL 档位给你的脸贴了个低数字，而它粘住了，请读这一段。那个数字是一台从没拿现实校准过的仪器的输出。它不是对你未来的判决，也不是关于你跟真见到你的人之间实际怎么相处的信息。

临床工作者和主流报道都广泛提示：以外貌为中心的社区——尤其是更狠的「blackpill」角落——是年轻男性真实身体意象困扰的推手。那些评分帖在制造它们声称要诊断的那种不满。如果 looksmaxxing 内容正在吃掉你一天里实实在在的好几个钟头，或者某个分数把你的情绪带到了某个黑暗的地方，找一个真实的人聊聊——朋友、医生、心理治疗师。没有任何网页工具，包括我们的，能替代这一步。如果你想要一条有结构的路走出论坛循环，见 如何戒掉 looksmaxxing 论坛。

写在最后

PSL 评分不是真科学。它是装了测量话术的相面术——借来一把真变量，焊到自创的分级和毫米指标上，而这些从没拿女性的实际反应去对照过。内眦倾斜、下颌角、和谐度分级：没有一个能预测现实中的吸引力，而一个三个工具都对不上的数字，不是关于你的事实。

真正撬动你怎么落地的，是那个无聊却可控的核心——体脂、打理、衣服合不合身、姿态、表情、你散发出的社交信号——恰恰是 PSL 挥手赶走、好让它去卖你改不了的那部分的东西。这是反着来的。可改进的那部分才是杠杆。我们的测试 是围绕真实女性那一下直觉反应建起来的，不是几何等级——它会告诉你哪个可控线索最拖你后腿，没有分级，也不给你的骨头下判决。如果你想先看更全面的拆解，读 looksmaxxing 是伪科学吗。

---

参考研究：Langlois, J. H., et al. (2000). Maxims or myths of beauty? A meta-analytic and theoretical review. Psychological Bulletin, 126(3), 390–423. Willis, J., & Todorov, A. (2006). First impressions: Making up your mind after a 100-ms exposure to a face. Psychological Science, 17(7), 592–598. Buss, D. M. (1989). Sex differences in human mate preferences. Behavioral and Brain Sciences, 12(1), 1–49. Dion, K., Berscheid, E., & Walster, E. (1972). What is beautiful is good. Journal of Personality and Social Psychology, 24(3), 285–290. Ambady, N., & Rosenthal, R. (1992). Thin slices of expressive behavior as predictors of interpersonal consequences. Psychological Bulletin, 111(2), 256–274.