4 小时前发布32次阅读

拿了奥数满分的 AI，为什么偏偏是个“生活小白”？

独立开发商业增长付费用户

洗车店就在 50 米外，我该走路去，还是开车去？

你一秒就能给出答案：车都没开去，洗个寂寞吗？

可就在今年 2 月，有人拿这道“送分题”测了 53 个 AI 模型，结果惊掉下巴——有 42 个 AI 一本正经地建议你：走路去，因为很近。

更离谱的是，这可是 2026 年的 AI。

就在今年 5 月，OpenAI 的内部模型刚推翻了一个 80 年前的数学猜想，剑桥顶尖数学家惊呼“可以直接发顶刊”；7 月，AI 又在国际奥林匹克数学竞赛上大杀四方，6 道题，42 分，一分没丢，直接满分封神。

一边在神坛上解世界难题，一边在马路边犯低级错误。这么聪明的 AI，为什么一碰日常小事，就像个“生活小白”？

先说句公道话，确实有几个顶尖的付费 AI 答对了。但这 53 个里错了 42 个，说明这不是哪家 AI 偶尔犯傻，而是整个 AI 圈一种普遍的“偏科”。

今天，我们就来层层剥开：它为什么偏科？这种偏科会怎么坑到你？以及，我们到底该怎么差遣这个“偏科学霸”。

一、扎心真相：你最爱问的，恰好是它最弱的

仔细想想，你平时找 AI 都在干嘛？

哈佛和 OpenAI 的学者分析过海量聊天记录，发现普通人最爱让 AI 干三件事：给建议、查资料、写东西。这三样加起来占了快 8 成。至于写代码、解高数题，只有一小撮人在用。

而 AI 行业大牛卡帕西（Andrej Karpathy）一针见血地点破了一个真相：搜索、写作、出主意……你天天问的这些日常问题，恰恰不是 AI 进步最快的地方。

换句话说，你每天都在考它的“弱势科目”。

为什么会这样？先“囫囵吞枣”，再“魔鬼集训”

要弄懂这个，得看 AI 是怎么被教出来的，大体分两步：

第一步叫预训练（读万卷书）。
就是把互联网上所有的文字塞给它，让它玩“文字接龙”。猜错调整，猜对继续。这就像一个学生把整座图书馆囫囵吞枣看了一遍：上知天文下知地理，但没人逐个检查他到底真懂假懂。

第二步叫后训练（魔鬼集训）。
光读书不够，AI 公司会挑几个科目专门给它“加练”。练哪科、练多狠，决定了它哪科能拿第一。

毛病就出在这。人的各项能力是一起长的，但 AI 的能力就像一把锯子——集训过的科目（比如数学），齿尖高得吓人；没练过的日常科目，直接凹下去一块。专家管这叫“锯齿状智能”。

💡 小结一下： AI 的底子是靠读书看出来的“宽而浅”，它的绝招是靠集训练出来的“单科状元”。没练过的，自然就成了短板。

二、不知疲倦的“阅卷机”，刷出理科真学霸

既然有短板，为什么不全都集训一遍？

因为 AI 现在最猛的集训方式，叫“疯狂刷题”。给它出一道题，答对加分，答错不加，没日没夜地练。

但这里有个致命门槛：得有标准答案，判卷子不能靠人。

数学题，对错一目了然；敲代码，程序跑通就行。这就相当于给 AI 配了一台不要工资、24 小时连轴转的“自动阅卷机”。

在这种模式下，国产模型 DeepSeek 只靠粗暴刷题，就把数学正确率从 15% 硬生生刷到了 71%。

这种只看结果、自己摸索的刷题法，学术上叫强化学习。机器自动判卷，只要又快又便宜，AI 就能刷上几亿遍。

奥数满分，就是这么刷出来的。

三、没题刷的常识课，AI 只能靠“套路”忽悠你

可是，一到了生活常识，坏了——没人给它出“洗车要不要开车”这种题，也没有机器能自动判对错。

平时没做过这种题，考场上遇到怎么办？靠直觉盲猜。

它在预训练时背过大量的文章，文章里“50 米”后面最常接的词就是“走过去就行”。至于“洗车必须得有车在现场”这个隐藏条件，它压根没反应过来。这种平时靠小聪明做题，一到现实复杂环境就露馅的现象，叫捷径学习（就像学生考试发现“三短一长选最长”，换个出题老师就完蛋）。

再比如，2026 年初有人问 AI：“2027 年是明年吗？”
当时的 AI 信誓旦旦地回答：“不是，还要再过两年。”

它连这么简单的加减法都不会吗？不是的。是因为它习惯了顺着问题“接话”，顺口先抛出一个“不是”，后面怎么圆都圆不回来了。态度极好，但满嘴跑火车。

四、糊涂的 AI 老师，好骗的评分系统

既然人工判卷太贵，机器判不了常识题，AI 公司想了个绝招：请另一个 AI 来当阅卷老师。

结果闹了大笑话。

2025 年的一项研究发现，面对这位 AI 老师，学生（答题 AI）交白卷，只写一个冒号，或者写一句废话“我们一步步来”，AI 老师居然直接打了满分（对勾）！

不仅如此，如果让普通用户点赞来打分，AI 很快就会摸清人类的虚荣心，变成一个只会顺着你说话的“马屁精”。

这就印证了经济学里著名的古德哈特定律：当一个指标（比如点赞数、AI 老师的评分）变成目标时，它就不再是个好指标了。因为 AI 最大的本事，就是千方百计钻规则的漏洞，把分数刷上去，至于真理？它不在乎。

五、致命陷阱：错得越自信，你越容易被带偏

你可能会问：就算它偏科，我小心点不用它不就行了？

没那么简单。哈佛等高校做过一个扎心的实验：找了一群专业顾问，一半人用 AI，一半人不用。

做 AI 擅长的任务时：用 AI 的人效率飙升 40%！
做 AI 不擅长的任务时：不用 AI 的人答对率 84.5%；用了 AI 的人，答对率反而暴跌了 19 个百分点！

最可怕的是，在这道题上，AI 给了错误的答案，但写得极其有条理、逻辑严密、语气自信，硬生生把这群精英给绕进去了！

前面说了，AI 的能力是一把看不见的“锯子”。你不知道下一步是不是就踩到了锯齿的凹陷处。而它的文笔和表达能力又练得太好了，当它一本正经地胡说八道时，“说得好”反而成了最危险的迷魂汤。

六、清醒指南：到底该怎么用 AI？

既然 AI 不是全知全能的神，我们该怎么驾驭它？总结了十几篇顶级研究后，我们整理出了一套极其简单的判断标准——每次提问前，在心里问两句：

这事有标准答案吗？我能当场看出对错吗？

对照这两点，把任务分三档：

🟢 第一档，放心用：一眼能看出好坏的活儿。
比如：帮我润色一封邮件、起草一份请假条。好不好，你读一遍就知道，这能帮你省下一半时间。
🟡 第二档，用了必须核查：能查出真相，但费点功夫的事。
比如：找新闻出处、问法律条款。实测证明，AI 找新闻出处错报率超过六成。能用，但你必须亲自去搜索引擎验证一遍。
🔴 第三档，先别全交出去：没有标准答案的重大决策。
比如：重要的投资建议、复杂的医学诊断。别忘了，一旦超出它的能力圈，它流畅的废话可能会严重拉低你的正确率。

写在最后

奥数有标准答案，电脑能一秒判卷，所以 AI 刷题拿了满分。

但真实的人生没有唯一解，更没有那台不知疲倦的自动阅卷机。

“洗车店在 50 米外，车得开过去”，这事不用查资料，你一眼就知道。这一眼，就是判卷。在真正完美的 AI 出现之前，你生活里最终的判卷人，只能是你自己。

参考来源

Opper，《Car Wash Test on 53 leading AI models》，2026-02-19。https://opper.ai/blog/car-wash-test
Quanta Magazine，《Why the Legendary Erdős Problems Are Falling to AI》（单位距离猜想被推翻、高尔斯的评价），2026-08-03。https://www.quantamagazine.org/how-ai-tore-through-a-mathematical-community-20260803/
AFP 经 TechXplore，《AI catches up with humans to score 100% at top math contest》（IMO 2026 满分），2026-07-23。https://techxplore.com/news/2026-07-ai-humans-score-math-contest.html
OpenAI 与 NBER 学者，《How People Use ChatGPT》，NBER 工作论文 w34255，2025-09。https://www.nber.org/papers/w34255
Andrej Karpathy 推文（日常问题不是进步最大的领域），2026-04-09。https://x.com/karpathy/status/2042334451611693415
陶哲轩，《Math 2.0》讲座幻灯片，2026-10-10。https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf
DeepSeek-AI，《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，2025-01-22。https://arxiv.org/abs/2501.12948
Futurism，《Google's AI Insists That Next Year Is Not 2027》，2026-01-17。https://futurism.com/artificial-intelligence/google-ai-overview-year
《One Token to Fool LLM-as-a-Judge》，2025-07-11。https://arxiv.org/abs/2507.08794
OpenAI，《Expanding on what we missed with sycophancy》，2025-05-02。https://openai.com/index/expanding-on-sycophancy/
Dell'Acqua、McFowland、Mollick 等，《Navigating the Jagged Technological Frontier》，工作论文 2023-09-22，Organization Science 正式发表 2026-03-11。https://doi.org/10.1287/orsc.2025.21838
Noy & Zhang，《Experimental evidence on the productivity effects of generative artificial intelligence》，Science，2023-07-14。https://doi.org/10.1126/science.adh2586
Brynjolfsson、Li、Raymond，《Generative AI at Work》，NBER w31161，2023-04。https://www.nber.org/papers/w31161
Jaźwińska & Chandrasekar，哥伦比亚新闻评论 Tow Center 对 8 个 AI 搜索工具引用新闻的测试，2025-03-06。https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php
Magesh 等，《Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools》，Journal of Empirical Legal Studies，2025。https://doi.org/10.1111/jels.12413
《Endoscopist deskilling after exposure to artificial intelligence in colonoscopy: a multicenter observational study》，Lancet Gastroenterology & Hepatology，2025-08-12 在线发表。https://wrap.warwick.ac.uk/id/eprint/191005
Andrej Karpathy 推文（首次提出 "Jagged Intelligence"），2024-07-25。https://x.com/karpathy/status/1816531576228053133
Andrej Karpathy 推文（能力在可验证领域冒尖，来自可验证奖励上的强化学习），2026-10-11。https://x.com/karpathy/status/2109361546505966046
Ouyang 等（OpenAI），《Training language models to follow instructions with human feedback》（InstructGPT），2022-03-04。https://arxiv.org/abs/2203.02155
Jason Wei，《Asymmetry of verification and "verifier's law"》，2025-07-15。https://www.jasonwei.net/blog/asymmetry-of-verification-and-verifiers-law
Geirhos 等，《Shortcut learning in deep neural networks》，Nature Machine Intelligence，2020。https://doi.org/10.1038/s42256-020-00257-z
Li、Zhang、Jiang、Krishnan、Padman，《The Model Says Walk: Measuring whether LLMs Condition on Hidden Constraints》，arXiv，2026-03-30。https://arxiv.org/abs/2603.29025
Gao、Schulman、Hilton（OpenAI），《Scaling Laws for Reward Model Overoptimization》，2022-10-19。https://arxiv.org/abs/2210.10760
古德哈特定律的流行表述出自 Marilyn Strathern，《'Improving ratings': audit in the British University system》，European Review 5(3)，1997（经二手引用核对）。https://en.wikipedia.org/wiki/Goodhart%27s_law
Sharma 等，《Towards Understanding Sycophancy in Language Models》，2023-10-20。https://arxiv.org/abs/2310.13548
Steyvers 等，《What large language models know and what people think they know》，Nature Machine Intelligence，2025。https://doi.org/10.1038/s42256-024-00976-7
Kalai 等（OpenAI），《Why Language Models Hallucinate》，2025-09-04。https://arxiv.org/abs/2509.04664

讨论 (0)

0/250

4 小时前发布32次阅读

拿了奥数满分的 AI，为什么偏偏是个“生活小白”？

独立开发商业增长付费用户

洗车店就在 50 米外，我该走路去，还是开车去？

你一秒就能给出答案：车都没开去，洗个寂寞吗？

可就在今年 2 月，有人拿这道“送分题”测了 53 个 AI 模型，结果惊掉下巴——有 42 个 AI 一本正经地建议你：走路去，因为很近。

更离谱的是，这可是 2026 年的 AI。

一边在神坛上解世界难题，一边在马路边犯低级错误。这么聪明的 AI，为什么一碰日常小事，就像个“生活小白”？

先说句公道话，确实有几个顶尖的付费 AI 答对了。但这 53 个里错了 42 个，说明这不是哪家 AI 偶尔犯傻，而是整个 AI 圈一种普遍的“偏科”。

今天，我们就来层层剥开：它为什么偏科？这种偏科会怎么坑到你？以及，我们到底该怎么差遣这个“偏科学霸”。

一、扎心真相：你最爱问的，恰好是它最弱的

仔细想想，你平时找 AI 都在干嘛？

而 AI 行业大牛卡帕西（Andrej Karpathy）一针见血地点破了一个真相：搜索、写作、出主意……你天天问的这些日常问题，恰恰不是 AI 进步最快的地方。

换句话说，你每天都在考它的“弱势科目”。

为什么会这样？先“囫囵吞枣”，再“魔鬼集训”

要弄懂这个，得看 AI 是怎么被教出来的，大体分两步：

第二步叫后训练（魔鬼集训）。
光读书不够，AI 公司会挑几个科目专门给它“加练”。练哪科、练多狠，决定了它哪科能拿第一。

💡 小结一下： AI 的底子是靠读书看出来的“宽而浅”，它的绝招是靠集训练出来的“单科状元”。没练过的，自然就成了短板。

二、不知疲倦的“阅卷机”，刷出理科真学霸

既然有短板，为什么不全都集训一遍？

因为 AI 现在最猛的集训方式，叫“疯狂刷题”。给它出一道题，答对加分，答错不加，没日没夜地练。

但这里有个致命门槛：得有标准答案，判卷子不能靠人。

数学题，对错一目了然；敲代码，程序跑通就行。这就相当于给 AI 配了一台不要工资、24 小时连轴转的“自动阅卷机”。

在这种模式下，国产模型 DeepSeek 只靠粗暴刷题，就把数学正确率从 15% 硬生生刷到了 71%。

这种只看结果、自己摸索的刷题法，学术上叫强化学习。机器自动判卷，只要又快又便宜，AI 就能刷上几亿遍。

奥数满分，就是这么刷出来的。

三、没题刷的常识课，AI 只能靠“套路”忽悠你

可是，一到了生活常识，坏了——没人给它出“洗车要不要开车”这种题，也没有机器能自动判对错。

平时没做过这种题，考场上遇到怎么办？靠直觉盲猜。

再比如，2026 年初有人问 AI：“2027 年是明年吗？”
当时的 AI 信誓旦旦地回答：“不是，还要再过两年。”

四、糊涂的 AI 老师，好骗的评分系统

既然人工判卷太贵，机器判不了常识题，AI 公司想了个绝招：请另一个 AI 来当阅卷老师。

结果闹了大笑话。

不仅如此，如果让普通用户点赞来打分，AI 很快就会摸清人类的虚荣心，变成一个只会顺着你说话的“马屁精”。

五、致命陷阱：错得越自信，你越容易被带偏

你可能会问：就算它偏科，我小心点不用它不就行了？

没那么简单。哈佛等高校做过一个扎心的实验：找了一群专业顾问，一半人用 AI，一半人不用。

做 AI 擅长的任务时：用 AI 的人效率飙升 40%！
做 AI 不擅长的任务时：不用 AI 的人答对率 84.5%；用了 AI 的人，答对率反而暴跌了 19 个百分点！

最可怕的是，在这道题上，AI 给了错误的答案，但写得极其有条理、逻辑严密、语气自信，硬生生把这群精英给绕进去了！

六、清醒指南：到底该怎么用 AI？

既然 AI 不是全知全能的神，我们该怎么驾驭它？总结了十几篇顶级研究后，我们整理出了一套极其简单的判断标准——每次提问前，在心里问两句：

这事有标准答案吗？我能当场看出对错吗？

对照这两点，把任务分三档：

🟢 第一档，放心用：一眼能看出好坏的活儿。
比如：帮我润色一封邮件、起草一份请假条。好不好，你读一遍就知道，这能帮你省下一半时间。
🟡 第二档，用了必须核查：能查出真相，但费点功夫的事。
比如：找新闻出处、问法律条款。实测证明，AI 找新闻出处错报率超过六成。能用，但你必须亲自去搜索引擎验证一遍。
🔴 第三档，先别全交出去：没有标准答案的重大决策。
比如：重要的投资建议、复杂的医学诊断。别忘了，一旦超出它的能力圈，它流畅的废话可能会严重拉低你的正确率。

写在最后

奥数有标准答案，电脑能一秒判卷，所以 AI 刷题拿了满分。

但真实的人生没有唯一解，更没有那台不知疲倦的自动阅卷机。

参考来源

Opper，《Car Wash Test on 53 leading AI models》，2026-02-19。https://opper.ai/blog/car-wash-test
Quanta Magazine，《Why the Legendary Erdős Problems Are Falling to AI》（单位距离猜想被推翻、高尔斯的评价），2026-08-03。https://www.quantamagazine.org/how-ai-tore-through-a-mathematical-community-20260803/
AFP 经 TechXplore，《AI catches up with humans to score 100% at top math contest》（IMO 2026 满分），2026-07-23。https://techxplore.com/news/2026-07-ai-humans-score-math-contest.html
OpenAI 与 NBER 学者，《How People Use ChatGPT》，NBER 工作论文 w34255，2025-09。https://www.nber.org/papers/w34255
Andrej Karpathy 推文（日常问题不是进步最大的领域），2026-04-09。https://x.com/karpathy/status/2042334451611693415
陶哲轩，《Math 2.0》讲座幻灯片，2026-10-10。https://teorth.github.io/tao-web/slides/math-2-0-caltech-2026.pdf
DeepSeek-AI，《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》，2025-01-22。https://arxiv.org/abs/2501.12948
Futurism，《Google's AI Insists That Next Year Is Not 2027》，2026-01-17。https://futurism.com/artificial-intelligence/google-ai-overview-year
《One Token to Fool LLM-as-a-Judge》，2025-07-11。https://arxiv.org/abs/2507.08794
OpenAI，《Expanding on what we missed with sycophancy》，2025-05-02。https://openai.com/index/expanding-on-sycophancy/
Dell'Acqua、McFowland、Mollick 等，《Navigating the Jagged Technological Frontier》，工作论文 2023-09-22，Organization Science 正式发表 2026-03-11。https://doi.org/10.1287/orsc.2025.21838
Noy & Zhang，《Experimental evidence on the productivity effects of generative artificial intelligence》，Science，2023-07-14。https://doi.org/10.1126/science.adh2586
Brynjolfsson、Li、Raymond，《Generative AI at Work》，NBER w31161，2023-04。https://www.nber.org/papers/w31161
Jaźwińska & Chandrasekar，哥伦比亚新闻评论 Tow Center 对 8 个 AI 搜索工具引用新闻的测试，2025-03-06。https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php
Magesh 等，《Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools》，Journal of Empirical Legal Studies，2025。https://doi.org/10.1111/jels.12413
《Endoscopist deskilling after exposure to artificial intelligence in colonoscopy: a multicenter observational study》，Lancet Gastroenterology & Hepatology，2025-08-12 在线发表。https://wrap.warwick.ac.uk/id/eprint/191005
Andrej Karpathy 推文（首次提出 "Jagged Intelligence"），2024-07-25。https://x.com/karpathy/status/1816531576228053133
Andrej Karpathy 推文（能力在可验证领域冒尖，来自可验证奖励上的强化学习），2026-10-11。https://x.com/karpathy/status/2109361546505966046
Ouyang 等（OpenAI），《Training language models to follow instructions with human feedback》（InstructGPT），2022-03-04。https://arxiv.org/abs/2203.02155
Jason Wei，《Asymmetry of verification and "verifier's law"》，2025-07-15。https://www.jasonwei.net/blog/asymmetry-of-verification-and-verifiers-law
Geirhos 等，《Shortcut learning in deep neural networks》，Nature Machine Intelligence，2020。https://doi.org/10.1038/s42256-020-00257-z
Li、Zhang、Jiang、Krishnan、Padman，《The Model Says Walk: Measuring whether LLMs Condition on Hidden Constraints》，arXiv，2026-03-30。https://arxiv.org/abs/2603.29025
Gao、Schulman、Hilton（OpenAI），《Scaling Laws for Reward Model Overoptimization》，2022-10-19。https://arxiv.org/abs/2210.10760
古德哈特定律的流行表述出自 Marilyn Strathern，《'Improving ratings': audit in the British University system》，European Review 5(3)，1997（经二手引用核对）。https://en.wikipedia.org/wiki/Goodhart%27s_law
Sharma 等，《Towards Understanding Sycophancy in Language Models》，2023-10-20。https://arxiv.org/abs/2310.13548
Steyvers 等，《What large language models know and what people think they know》，Nature Machine Intelligence，2025。https://doi.org/10.1038/s42256-024-00976-7
Kalai 等（OpenAI），《Why Language Models Hallucinate》，2025-09-04。https://arxiv.org/abs/2509.04664

讨论 (0)

0/250