AlphaFold 3 系列模型（如 Boltz、Protenix 等）已将蛋白质结合体设计推向新高。这类模型既可用于生成候选结合体（通过幻觉或将模型转化为主链/全原子生成器），也可用于筛选出有效结合体。本文观察到，AlphaFold 3 的置信度指标（ipSAE、ipTM）以及结构一致性指标能够在早期回收阶段直接从主干网络预测。我们提出的预测器计算量小、可微分，并在每一次回收循环中均可获得。基于此预测器，可实现两种关键应用：一是作为决策信号，合理分配回收预算以提升筛选效率；二是作为幻觉设计的目标函数，引导生成更可靠的结合体。实验表明，这两种方式均显著提升了性能，同时将计算成本大幅降低。\n\n点评：该工作展示了在模型内部提前评估置信度的实用性，为高效的蛋白质设计提供了可行路径。