为什么 gpt5.5 连高考英语都能错这么多呢

6 月 25 日
 Dewchame
最近用 gpt 发现他做高考英语错误频出,我让他帮我批改卷子,好几个问题都出错了。然后我告诉他错了,让他再做一遍,他就说好的,确实是他错了,这次改出来错的就蛮少了。我又说你不能单纯顺从我说的,我俩是在讨论,然后输出的一版又是把一些错误的答案说成对的。按理说 gpt 不应该连高考英语都能错很多吧,用的是 gpt5.5 高级
8858 次点击
所在节点    问与答
90 条回复
kandaakihito
6 月 25 日
楼上的都在发什么电呢,怎么还莫名其妙反思上了???

你可以说高考英语的题目死板、无用、都是没有人用了的犄角旮旯的古早语法点,但是要说有大量题目出错了,那还真不至于。这对于 AI 来说应该更简单才对吧?
interim
6 月 25 日
@laikicka 只能说你把个人代表群体只能说不一般。
Dewchame
6 月 25 日
@kandaakihito 他是这种:80 分的题,说我错了 20 分,然后我仔细看了之后,其实我只错了 10 分。我就把我的观点告诉他,他说是的,上一次是做错了。然后我说你别敷衍我,然后他说那你错的还是 20 分。(大概是这个意思)
Dewchame
6 月 25 日
@lovelyxiaod
@Censhuang
@LandCruiser 我用了豆包和千问,他们的结果正确率不如 gpt 和 gemini
Dewchame
6 月 25 日
@butanediol2d 是的楼上几个老哥也指出来了,我不应该这样写提示词
Zhuzhuchenyan
6 月 25 日
2026 年下半年了,还是请拥抱更好的 AI 使用方式,特别是对于牵扯到长文本图像识别的任务
使用 Codex ,以 2026 全国一卷为例子
1. 把图片卷子重写成 Latex 格式并检查,得到结果 https://rr.yyhutil.com/dataset/questions.pdf
2. 禁用联网工具完成卷子的客观题格式,输出同样是 Latex
3. 把答案复制到 codex 目录(不在 1 ,2 两步骤复制到目录防止作弊),根据答案批改,最终得到结果: https://rr.yyhutil.com/dataset/answers.pdf

最终答案


现在这个时间点最前沿基准模型的能力应付这种考试还是没有丝毫难度的,如果遇到问题,请首先检查自己使用 AI 的能力
woodfizky
6 月 25 日
V 站是这样的,如果你的标题或者正文能有任何扯到中国不好的地方那流量可能就大大的。
但是如果你的标题是:"为什么 gpt5.5 连 SAT 的 reading, writing and language test 都做不好"那评论区保证都会开始客观的跟你说为什么做不好,这是 LLM 的局限,或者吐槽你用的东西版本落后/调教不行。
unusualcat
6 月 25 日
你用国产的大模型嘛,豆包爱学,小猿 ai 啥的。
LaTero
6 月 25 日
@coderzhangsan 我自己看了看 op 发的图中的几道题,觉得 ai 说的确实是对的,哪有 last hot for 这种说法?我阅读量也不小了从没见过。虽然在 v 站说这种话政治不正确,但我还是倾向就是应试教育的答案有问题。
kpprotector
6 月 25 日
看了图片感觉你一道一道给他试试看更好。
或者是你试题本身的问题。
LaTero
6 月 25 日
能发个完整的题吗?我看你的图只能从上下文猜,不知道 gpt 到底是在说你的答案错了还是参考答案错了。比如鸟让船转向的那题,我很难相信这么简单的题参考答案能错,看 gpt 的回答,他的意思似乎是你的理解有问题而不是参考答案有问题?
k4x7UW92WE8
6 月 25 日
🥵🥵🥵 想请教一下老哥怎么上传的 pdf
k4x7UW92WE8
6 月 25 日
@Zhuzhuchenyan 🥵🥵🥵 想请教一下老哥怎么上传的 pdf
Zhuzhuchenyan
6 月 25 日
@k4x7UW92WE8 你说那个 pdf 链接么,这个是我自己的源,公布出来更有信服力一点
Censhuang
6 月 25 日
@Dewchame #64 豆包就算了,千问正确率不如这俩?真的假的。我高数问千问都能对
k4x7UW92WE8
6 月 25 日
@Zhuzhuchenyan 这三个任务是不是在 codex 执行层面看来 是不是都是彼此上下文独立的 可以使用 subagent 或者手动清空上下文
jhdxr
6 月 25 日
我很好奇上面觉得国内的英文教育没啥问题的,最高学历都啥水平。。。

虽然 OP 这个肯定是 OP 自己的锅(直接这么发答案对 LLM 要求很高,再往前推半年它答案都未必对应上),但国内的英语考试的确和出去以后用的差距很大。。。
NoKey
6 月 25 日
好多反思怪,嘿嘿。。。
bigdogbigpig
6 月 25 日
现在还是不能这么简单,需要上一点工程手段才行
KaynWASD
6 月 25 日
@jhdxr 国内环境就是这样 任何批评都不准有了 从上到下 从 gov 到平民
x 而不自知是主流了

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/1222669

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX