1
全军覆没——大模型征战高考数学卷
弘老师： 全军覆没！ 表现最好的大模型离及格线还差十多分，还没考生的平均分高。
小涂： 这么差？这跟我们看到的信息差距也太大了！
弘老师： 大模型“记住答案”其实就是更新参数的过程，你这么理解也算对。斯坦福大学曾发表了相关论文 《Putnam-AXIOM: A Functional and Static Benchmark for Measuring Higher Level Mathematical Reasoning》 ，指出，当题目稍作变换，准确率则会大幅下降。有兴趣的朋友可以下载阅读，深入了解。
彬老师： 其实，不止是高考，就连小学3年级以下的奥数题，各大模型的正确率也基本只能维持在50%左右，大家可以自行验证。但是你看下图，一位主播正眉飞色舞地分享如何用DeepsSeek教孩子学数学，还让DeepsSeek来出相似题目来考孩子，这样做，瞎出题的概率极高，很可能适得其反。
2
三大因素——保障模型推理质量的关键
弘老师： 会。比如凌晨5点访问平台时，用户少，系统资源充足，模型有足够算力进行复杂推理，答案可能更准确；而在白天高峰期，用户多，算力紧张，准确性可能下降。在企业本地部署中，这种现象更明显，当算力不足时，模型可能会跳过关键步骤、降低计算精度，甚至直接罢工。解决办法只能是增加显卡，提升GPU算力。
弘老师： 可以，但需要访问外部的数据 （ 详见链接： 《 AI海马体 》 ） 。比如企业数据或互联网数据。所以， 第二个 影响AI推理质量的因素是—— 外部访问 。如果允许模型上网搜索，它可能从做错变成做对。
3
云泥之别——当下垂直领域专用AI碾压大模型
总结
（三点认知）
1. 对当下
大模型学科能力的认知
目前，通用大模型在高考数学方面表现仍处
“学渣”
水平。不仅
如此，
在物理、化学、生物等科目上成绩也难以及格。不过，其在语文、英语、历史等科目中表现相对不错，准确率可达80%。
2. 模型与
个人能力强相关的认知
当下，
善用AI的人
优势将进一步
扩大
，个人
能力水平越高
，向AI提出的
提问越有智慧
，就越能从AI那里获得高质量的回复(
专家介入
）。而且，对AI大模型运行原理了解得越深入（
GPU算力，外部访问...
）
，你就越清楚如何让它更顺畅地运行，发挥出更好的效果
（详见链接
《
AI大揭秘
》
）
。
3. 对
大模型与专用AI差异的认知
虽说专用AI和大模型都采用了深度神经网络技术，但是两者架构差异很大。目前专用AI在垂直领域的能力
远超
通用大模型（
“奥数拿金奖”
vs
“数学不及格”，“碾压顶尖棋力”
vs
“围棋业余5级”，“诺贝尔奖”
vs
“略懂皮毛
”...
）。不过，未来大模型必定能一统江湖之时，
其实，这和
关系型数据库能开始融合各个专用数据库场景
，走向超融合（一体化），是一个道理。到那时，
就是通用人工智能时代到来之际
（详见链接：
《
穿越者
》
，
《
未来已来
》
）。
倡议
（从我做起）
在未来的网络环境中，虚假和错误的观点可能会愈发泛滥。一方面，部分博主为追逐热点，
盲目传播未经证实的信息
；另一方面，大模型本身也可能
给出诸多错误回复
。因此，我们必须保持
持质疑精神
，不轻易
接受
和
传播
未经核实的内容
。只有通过
亲自动手确认
、
多AI交叉验证
及查找
第一手信息源
（
详见链接
：《
乱象
》）
，才能有效避免被误导。
或许不久后，大模型就能达到高考数学满分的能力，但即使如此，大家也应自行验证其对错。如果无法判断数学题的正确性，可以请教相关专家或通过权威平台核实。不要盲目相信未经验证的答案。
令人担忧的是，我提到的那两个视频号主播的视频转发量竟已超过10万+。虽然他们的初衷可能是好的，但实际上却误导了孩子们。希望大家在发布信息时保持严谨，对分享的内容负责，共同维护健康、真实的网络环境。
更值得警惕的是，大模型通过微调可以“记住答案”，但稍作修改就可能出错，说明它并未真正掌握知识。因此，大家在使用时更要擦亮眼睛，系统学习，勤于思考，多向老师或领域专家请教
在当前大模型尚不成熟的情况下，
孩子们仍应以请教老师为主，尤其在理科方面。
即便大模型给出了正确答案，其讲解过程也可能存在错误，
孩子们难以分辨
。现阶段，更需要专业教师的引导，优化教学方法，帮助孩子们正确认识AI，拥抱变化，积极创新。
公众号：收获不止数据库
微信：ljbyxl1213
系列回顾
目前，通用大模型在高考数学方面表现仍处 “学渣” 水平。不仅 如此， 在物理、化学、生物等科目上成绩也难以及格。不过，其在语文、英语、历史等科目中表现相对不错，准确率可达80%。
2. 模型与 个人能力强相关的认知当下， 善用AI的人 优势将进一步 扩大 ，个人 能力水平越高 ，向AI提出的 提问越有智慧 ，就越能从AI那里获得高质量的回复( 专家介入 ）。而且，对AI大模型运行原理了解得越深入（ GPU算力，外部访问... ） ，你就越清楚如何让它更顺畅地运行，发挥出更好的效果 （详见链接 《 AI大揭秘 》 ） 。
3. 对 大模型与专用AI差异的认知虽说专用AI和大模型都采用了深度神经网络技术，但是两者架构差异很大。目前专用AI在垂直领域的能力 远超 通用大模型（ “奥数拿金奖” vs “数学不及格”，“碾压顶尖棋力” vs “围棋业余5级”，“诺贝尔奖” vs “略懂皮毛 ”... ）。不过，未来大模型必定能一统江湖之时， 其实，这和 关系型数据库能开始融合各个专用数据库场景 ，走向超融合（一体化），是一个道理。到那时， 就是通用人工智能时代到来之际 （详见链接： 《 穿越者 》 ， 《 未来已来 》 ）。
倡议
（从我做起）
在未来的网络环境中，虚假和错误的观点可能会愈发泛滥。一方面，部分博主为追逐热点， 盲目传播未经证实的信息 ；另一方面，大模型本身也可能 给出诸多错误回复 。因此，我们必须保持 持质疑精神 ，不轻易 接受 和 传播 未经核实的内容 。只有通过 亲自动手确认 、 多AI交叉验证 及查找 第一手信息源 （ 详见链接 ：《 乱象 》） ，才能有效避免被误导。
或许不久后，大模型就能达到高考数学满分的能力，但即使如此，大家也应自行验证其对错。如果无法判断数学题的正确性，可以请教相关专家或通过权威平台核实。不要盲目相信未经验证的答案。
令人担忧的是，我提到的那两个视频号主播的视频转发量竟已超过10万+。虽然他们的初衷可能是好的，但实际上却误导了孩子们。希望大家在发布信息时保持严谨，对分享的内容负责，共同维护健康、真实的网络环境。
更值得警惕的是，大模型通过微调可以“记住答案”，但稍作修改就可能出错，说明它并未真正掌握知识。因此，大家在使用时更要擦亮眼睛，系统学习，勤于思考，多向老师或领域专家请教
在当前大模型尚不成熟的情况下， 孩子们仍应以请教老师为主，尤其在理科方面。 即便大模型给出了正确答案，其讲解过程也可能存在错误， 孩子们难以分辨 。现阶段，更需要专业教师的引导，优化教学方法，帮助孩子们正确认识AI，拥抱变化，积极创新。
公众号：收获不止数据库
微信：ljbyxl1213
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/9091385/viewspace-3079013/ ，如需转载，请注明出处，否则将追究法律责任。
最新文章
- 2030年，两个智能体的深夜回忆：幸亏那年，人类重构了数据库
- 万物一理：从人体进化到IT架构的取舍之道——写在2026中国系统架构师大会之前
- 达梦9发布会归来：AI 时代，我们需要一款什么样的数据库？
- 当AI强到连“造物主”都感到恐惧，我们该怎么办？
- 当AI反噬宏观经济：一场关于个体自救与中国制度托底的万字推演
- 原来“先吃菜”和“后建索引”是同一个逻辑？揭秘那些万物相通的“执行顺序”
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（下）
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（中）
- 应用程序大模型化之路——从12306畅想看预设模式颠覆与数据觉醒（上）
- 技术人生——第13集：溯本清源，手起刀落
