得益于深度思考和多模态能力的提升，大模型面对未经训练的全新题目测试，已经达到人类优秀考生的水平。

字节的AI大模型豆包尝试着做了今年的山东高考卷，得了690分左右，排名约在前80位左右，甚至有望考上清北。

大模型的考试成就意味着什么？

首先，这可以理解为规模化的模式识别的成功。大模型在识别和再现语言、推理和问题解决方面表现卓越。纵观大模型通过的考试，通常结构清晰，格式固定，答案可以通过文本线索得出——而这正是大模型接受训练的强项。

其次，大模型拥有广泛的训练数据来源，这使得它容易在考试中脱颖而出。许多考试题目与教材、辅导材料或历年试题中的内容高度相似，可能出现在模型的训练语料中，或在结构上与之类似。

再次，大模型实现了任务无关的通用性。通过这些考试的能力表明，大模型是通用型语言处理器——它们无需重新训练就能在法律、医学、STEM等领域间切换，这在系统设计层面非常了不起。

尽管成就不俗，我们也不必夸大大模型对人类考生的威胁。因为，考过并不等于“理解”，大模型的“成功”多是统计上的匹配，而非概念性的掌握——它们并不“知道”答案为何正确。

大模型还缺乏真实的推理基础。如 USMLE（美国医生执照考试）默认考生具备现实世界的经验积累和伦理判断能力。大模型即使答对了题，也缺乏具身认知或临床直觉。

我们还需认识到，大模型不存在原生的学习过程。它们并不会像人类那样通过学习获得知识——机器人不会因误解而苦恼，也不会主动反思，更不会随着时间内化意义。

多元智能理论与大模型的考试表现

霍华德·加德纳认为，智力是多元的，不能仅用传统智商或考试成绩来衡量。他提出了八种智能类型：语言智能、逻辑-数学智能、视觉-空间智能、身体-动觉智能、音乐-节奏智能、人际智能、自我认知智能和自然观察智能。  

根据加德纳的智能类型，我们会发现，大模型的能力展现参差不齐：

在语言智能，也即使用语言进行表达、阅读、写作、讲故事方面，大模型表现优秀——新一代人工智能在语言生成和理解方面能力突出。

在逻辑-数学智能，也即抽象推理、问题解决、模式识别能力方面，大模型表现良好，对于数学题、逻辑题等结构化问题的解题十分强劲，尽管在复杂推理中仍有不稳定性。

在视觉-空间智能，也即在头脑当中想象和操控物体的能力方面，大模型功能有限：纯文本模型本身不具备视觉-空间推理能力，多模态模型（拥有视觉能力）正试图在一定程度上对此加以改善。

在身体-动觉智能，也即控制身体动作、保持身体协调能力方面，非常遗憾地，大模型完全付之阙如——它本身没有身体，也无法展开物理体验或动作。

在音乐-节奏智能，也即对音高、节奏、旋律的敏感度和创作能力方面，大模型可以模仿歌曲或分析音乐理论，但缺乏真正的听觉体验与音乐直觉。

在人际智能，也即理解他人情感、动机、关系的能力方面，大模型能模拟同理心，但没有真正的社会意识、情感或动机。

在自我认知智能，也即自我觉察、情绪反思和自我理解的能力方面，大模型没有自我，并不像某些人声称的，它已经获得了自我意识、目标或主观经验。

最后，在自然观察智能，也即识别自然界模式、给出生物分类的能力方面，大模型可以检索事实，但缺乏对自然环境的直观感知与互动能力。

经由这些对比，我们可以发现，大模型在语言和逻辑智能方面表现卓越，但加德纳强调的是具身性、情感性和经验性的广泛智能，这是大模型在结构上无法胜任的。

另一方面，从模拟与体验的关系来看，大模型可以模拟某些智能（如共情或音乐创作），但缺乏真实的经验基础，而加德纳的智能理论强调智力的发展与现实世界的互动密不可分。

教育上的反思：过度依赖大模型的害处

从教育评估的角度看，人工智能通过考试能力的提升造成对学术诚信和潜在滥用的担忧，促使教育工作者不得不重新思考传统评估方法。

不过我们也可以看到，尽管人工智能可以通过识别模式并生成正确答案来通过考试，却并不一定意味着其对考试内容的理解与人类相同。人工智能在语言处理以及需要“常识”或主观解读的问题上仍面临挑战，例如理解自然对话或分析文学作品。今天我们可以心存侥幸的是，人工智能还难以应对需要深入理解、批判性思维或个人反思的复杂或微妙问题。

这表明，理解意义是人类独有的能力，而目前的人工智能系统仍缺乏这种能力。看到豆包大模型高考出色的新闻，我忍不住想到，其实该机器人与一些学生非常相似，他们吸收知识，然后照本宣科，根本不理解其中的含义。所以，机器人超越这类学生毫不足奇。