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-testQuanta 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.htmlOpenAI 与 NBER 学者《How People Use ChatGPT》NBER 工作论文 w342552025-09。https://www.nber.org/papers/w34255Andrej 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.pdfDeepSeek-AI《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》2025-01-22。https://arxiv.org/abs/2501.12948Futurism《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/2507.08794OpenAI《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 2023-09-22Organization Science 正式发表 2026-03-11。https://doi.org/10.1287/orsc.2025.21838Noy Zhang《Experimental evidence on the productivity effects of generative artificial intelligence》Science2023-07-14。https://doi.org/10.1126/science.adh2586Brynjolfsson、Li、Raymond《Generative AI at Work》NBER w311612023-04。https://www.nber.org/papers/w31161Jaźwińska 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.phpMagesh 等《Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools》Journal of Empirical Legal Studies2025。https://doi.org/10.1111/jels.12413《Endoscopist deskilling after exposure to artificial intelligence in colonoscopy: a multicenter observational study》Lancet Gastroenterology Hepatology2025-08-12 在线发表。https://wrap.warwick.ac.uk/id/eprint/191005Andrej Karpathy 推文首次提出 “Jagged Intelligence”2024-07-25。https://x.com/karpathy/status/1816531576228053133Andrej 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/2109361546505966046Ouyang 等OpenAI《Training language models to follow instructions with human feedback》InstructGPT2022-03-04。https://arxiv.org/abs/2203.02155Jason Wei《Asymmetry of verification and “verifier’s law”》2025-07-15。https://www.jasonwei.net/blog/asymmetry-of-verification-and-verifiers-lawGeirhos 等《Shortcut learning in deep neural networks》Nature Machine Intelligence2020。https://doi.org/10.1038/s42256-020-00257-zLi、Zhang、Jiang、Krishnan、Padman《The Model Says Walk: Measuring whether LLMs Condition on Hidden Constraints》arXiv2026-03-30。https://arxiv.org/abs/2603.29025Gao、Schulman、HiltonOpenAI《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_lawSharma 等《Towards Understanding Sycophancy in Language Models》2023-10-20。https://arxiv.org/abs/2310.13548Steyvers 等《What large language models know and what people think they know》Nature Machine Intelligence2025。https://doi.org/10.1038/s42256-024-00976-7Kalai 等OpenAI《Why Language Models Hallucinate》2025-09-04。https://arxiv.org/abs/2509.04664