在 grill-me 的基础上，GPT 多问了一个数字

一、一份“无懈可击”的学习报告

前段时间，我给一位几乎零基础的新同学做了一次 Codex 入门培训。培训结束后，我让他交一份学习报告，梳理一下所学的内容。

坦白说，这份报告写得四平八稳——该讲的概念都覆盖了，结构完整，几乎挑不出毛病。但正因如此，我反而很难判断他到底吃透了多少。

我没有拿着报告逐条考他，也没有干巴巴地问“掌握得怎么样”。而是突发奇想，和 GPT 聊起了一个叫 grill-me 的玩法：它会围绕你的回答，像剥洋葱一样一轮轮地追问，直到你把那些含糊其辞的判断、潜意识里的前提全部交代清楚。

我问 GPT：能不能参考这个思路，快速搭一个小项目？不为打分，只为帮新同学测出他的真实水平和提升空间。

二、GPT 意外多问的一个数字

不到十分钟，项目就跑通了。

它保留了“极限追问”的内核：抛出一个陌生情境，等新同学回答后，再沿着他的思路步步紧逼，追问依据、条件变化和后续行动。全程不给标准答案，也杜绝了对培训材料的机械复述。

但在这些常规设定之外，GPT 意外地给每次回答增加了一个硬性要求：

请同时给出你对这个答案的把握度（0 到 100）。

起初，我没太在意这个细节，直接把测试发给了新同学。

做了几轮后，他跑来问我：“加上这个主观数字是不是没什么意义？反正也不算进成绩，填多少全凭感觉。”

直到那一刻，我的注意力才真正停留在这个名为“把握度”的数字上。

他质疑得有道理。一个人填了 80，不代表他真有 80 分的水平；填了 100，更不会让原本错误的答案变成真理。

这个主观的数字，确实无法作为衡量成绩的标准。

三、答案之外的第二条轴

传统的考试，往往只会留下一个二元结论：对，或者错。

但现实要复杂得多。同样是“答对”，背后可能是深刻的理解，可能是对模糊结论的死记硬背，甚至可能只是碰巧蒙中。然而在最终呈现的分数里，它们都会被粉饰成一个无可挑剔的“对”字。

看到这个“对”，我们很容易心安理得地停下脚步，暗示自己：我答对了，我会了，我彻底掌握了。

答错固然会暴露无知，但“答对”，反而更容易掩护无知。

可是，当答案旁边被强行挂上一个“置信度”时，单凭一个“对”字就不够了。如果你的答案是对的，但置信度只填了 60，那缺失的 40 去了哪里？

这个数字开始让人如芒在背。它像一根刺，让你无法再借着一次侥幸的“答对”，轻轻放过自己认知上的盲区。这就是 GPT 为这场问答补上的第二条轴：

答案，用来回应题目；而置信度，用来拷问内心——你到底有多相信自己是对的？

当这两条轴交汇，同一个“答对”，就不再自动等同于“已经掌握”。

四、100 不是满分，而是认知移动的坐标

一旦将“对错”与“置信度”这两条轴交叉，知识的评估就不再是非黑即白的平面。

在这个新展开的维度里，最值得警惕的，是出现这样一种极端组合：一个完全错误的答案旁边，极其自信地标着 100 的把握度。

这暴露出的已不仅仅是一个知识盲点，而是一块巨大的、当事人毫无察觉的“认知黑洞”。地图上明明没有空白，现实的马路却早已断裂。当一个人带着 100% 的确信填下错误答案时，AI 会冰冷地戳破这份“完全掌握”的错觉。

如果我们把答案的“对错”作为横轴，把置信度的“高低”作为纵轴，原本非黑即白的学习结果，瞬间就展开成了四个象限：

• 答对 + 高置信度：最接近“掌握”的理想状态，客观事实与自我认知高度统一。
• 答对 + 低置信度：说明“正确”并未消除内心的不确定性，是实力还是运气，尚待验证。
• 答错 + 低置信度：这并不可怕。敢于打低分，说明“未知”已经进入了视野。
• 答错 + 高置信度：最致命的“不知道自己不知道”——那个写着 100 分的错误答案。

在这个坐标系里，100 不是满分，30 也不是低分。脱离了具体的答案，它们只是虚无的主观感受；只有与答案锚定，它们才真正化作一个人衡量自身所处位置的坐标。

更关键的是，这个数字必须是流动的。

在 AI 的极限追问下，哪怕最初有着 90 的把握，也可能在一轮轮拆解中降到 50。这种数字的下跌绝不是退步，恰恰是我们重新定位自我的过程。相反，如果客观事实已被推翻，主观的置信度却依然死死咬定 100 不放，那真正停滞不前的，其实是我们更新认知的能力。

学习，从来不是让置信度简单粗暴地从 60 涨到 100；而是当新证据出现时，这个数字知道自己该往哪里移动。

我这才恍然大悟：GPT 多问的这个数字，自始至终都不是用来排名的分数。它不负责衡量你在这个世界里懂了多少，它只负责照出，你的“自信”与“真实”之间，到底还有多远的距离。