AI 解题 92% 准确率?我拿重庆中考卷试了 10 题,先砍掉 2 题

📅 2026-11-15 · 👤 合尘猫 · 💡 大模型观察

⁠​​​‌​​​‌​‌​​‌​‌​‌​​​‌​‌​​​​‌‌‌​​⁠昨晚十一点,我把 2025 年重庆中考数学卷的第 1 到第 10 题切成图,一张一张喂给大模型,也就是那种能看图、能写字、能自己推理的通用模型。第一张图发过去,它回我一句:「图中的文字是:试题的答案书写在答题卡上。」

那是我切图时带进去的卷头注意事项。它没看错字。它压根没看题。这一刻我意识到,我们平时讨论「AI 解题准不准」,讨论的方向可能从一开始就偏了——准不准是第二步,第一步是它到底看见没有。

一、公开数据说 92%,我信一半

先看公开的说法。DeepSeek 在 2026 年 6 月全量上线识图,有测评文章称它在 2024 年高考数学真题集上准确率 92.7%;某拍照搜题产品宣称搜题命中率 98% 以上,题库三十亿条,拍照识别只要 0.3 秒。

这些数字大概是真的,但它们有一个共同前提:题目是干净的、排版规整的、没有干扰的。而真实的卷子不是这样——中考卷是 A4 双栏、有图、有公式、有页眉说明,扫描件还带阴影;我切出来的十张图,每一张只有半栏宽,旁边可能还粘着上一题的尾巴。

大模型在「干净输入」上的能力和在「脏输入」上的能力,是两件事,中间那道坎叫读图。

斯坦福有项研究说得更直接:题干一改,模型成绩集体下滑,原本的高分里有相当一部分靠的是见过原题,不是真会推;这条结论放到今天依然成立——题库里有的题,它答得又快又好;题库外的题,它就开始露底,这种落差在真实卷子上特别明显。

二、我把流程拆成两段,结果才稳下来

第一轮失败之后,我改了做法。不再让模型直接读图,而是我先读图,把题干和四个选项完整转成文字,再交给模型去解。道理很朴素——看图这件事人比模型稳,解题这件事模型比人快。两件事分开做,各自的短板都补上了,流程就这么简单,难的是肯不肯多做这一步。笨办法,说出来一点都不高级,可它管用。

改完之后还有一步:同一个模型跑两遍,温度一次 0、一次 0.7。温度 0 是让它走最稳的路,温度 0.7 是让它稍微发散;两遍答案一致,我当它「想清楚了」;两遍不一致,说明这题它自己也没底,这种题我一道都不留,直接剔除。

十道题,两遍一致的有八道,不一致的一道是第 4 题圆内接角,还有一道是纯图形题——第 2 题四个轴对称图案,转成文字就没有作答依据了,也剔除。最后入库八道,答案是 1.A、3.D、5.C、6.D、7.C、8.B、9.A、10.B。

八道里我还单独标了一道:第 5 题题干写的是 8、12、16 递增,按规律第 9 个应该是 40,可选项里只有 32、28、44、48。这说明我要么读错了图,要么原文的规律另有说法;模型选了 44,更像是照着选项反推的,不是推出来的,所以这道题的答案我在库里标了「依据选项反推」,没敢当成硬答案。

三、这套方法值多少钱

说回生意。

我做的是企业知识库和 AI 客服,这个行业里最常见的一句话是「我们有 AI,什么都能答」,可真到交付,客户问的第一句永远是「它答错了怎么办」。

我这次的经历恰好是这个问题的缩小版:模型会答错,而且答错的时候语气和答对时一模一样;想让它少错,靠的不是换个更大的模型,而是把输入弄干净、把答案交叉验证、把没把握的剔出去。最后一条最反直觉——能承认「这题我不确定」的系统,比号称 98% 准确的系统更值钱。

企业知识库是同一个道理。

客户的资料是脏的,微信群聊、三年前的 Word、老员工脑子里的判断,和这张中考卷一样双栏、带页眉、有干扰;你直接把脏资料丢给模型,它给你的答案会很漂亮。

漂亮到你不敢用。我们在做的第一件事不是接模型,是把资料收拾成模型能读的样子,第二件事是给每个答案留出处,答不上来就说不知道——这两件事听起来不性感。真的不性感。可它们决定了这套东西能不能进业务流程。

四、三个可以直接抄走的做法

第一,把「读」和「解」分开:图片、扫描件、PDF 先转成结构清晰的文字,再交给模型,多这一步,准确率的提升比换模型明显。第二,同一个问题问两遍,温度不同、问法不同,答案一致才采信,这一步几乎不花钱,却能筛掉大部分「它其实没把握」的题。第三,给答案留一个「不确定」的出口——题库里没有、资料里没写,就明说没有;让系统学会说「不知道」,比让它多答对一道题更重要。

五、几个常被问到的问题

问:那 AI 到底能不能用来给孩子讲题? 答:能,但你要把它当「讲思路的助手」,不是「对答案的机器」;它的推导过程值得看,它的最终答案必须核。

问:为什么不用那些宣称 98% 的搜题产品? 答:题库覆盖的题,它们确实快;可你孩子错的题,往往不在题库里。那正是他需要被讲明白的地方。

问:企业知识库也会这样吗? 答:一模一样,资料脏答案就飘,资料干净小模型也够用;所以我们做项目,前一半时间都在收拾资料,不在调模型。

问:那大模型还有什么用? 答:它把整理、归纳、改写、追问这些活的成本降了一个数量级,但它不负责「事实正确」,那件事得靠你的资料和你的验证流程。

写在最后

我不觉得「AI 解题 92%」是假的,我只是发现那个 92% 是在实验室条件下测出来的,而我们手上的卷子从来不是实验室条件。真正决定成败的不是模型有多聪明,是你愿不愿意在它前面多做那一步笨功夫:把图读准、把答案对两遍、把没把握的剔掉——这一步没人愿意做。所以它才值钱。

我们专注小微企业知识库与 AI 客服落地。如果你手上也有一堆「模型读不懂」的资料,可以先想想:它们是脏在格式,还是脏在没人整理。

你最近一次被 AI 的答案坑到,是在什么场景?

🎁 想跟上AI行业变化?

加入知识星球,获取更多AI实战内容与行业洞察

立即加入 →

下一步:要不要先做一次免费体检?

把站点域名 + 行业发到 savant0196@126.com,我们回你一份「AI 可见度体检结论」——你现在能不能被 AI 搜到、瓶颈卡在哪一环。如果基线显示这件事对你没得做,我们会直接说别花钱。

想先自己看一眼:3 分钟免费自测(7 层 52 项,出分即见);需要企业知识库搭建或 AI 客服达标,看服务内容与交付标准。

也可以直接填写留资表单,或邮件到 savant0196@126.com。

以上服务内容、交付范围、时间与效果描述均为一般性说明,具体以双方最终达成的协议约定为准。

本文由 合尘猫 原创,首发于 https://savantcat.cn,转载须注明出处。