最近和老师朋友聊了一下，他的担忧是自己面对小朋友（大概小学5-6年级）问出的各种各样的问题，自觉回答的不会比deepseek R1好，甚至大量自然科学和社会科学问题答案被ds完爆，自己应该怎么办。
我说这很好啊，你可以用ds作为教学辅助，把ds思考过程通过你的思维方式整理一下教给他们，他们和你就都可以进步了，你还可以利用ds整理教案，旁征博引，这不比你自己捣鼓厉害。
他对这个回答很满意，但是我说完反而有点后悔，ds目前还只是一个利用了MLA和MoE的大模型，在各家测试里面推理水平和O1类似或者略强，经常性给出被提问引导的答案，也会有不少抽象的推理结果，但是他已经足够在几乎所有学科的基础问题上做到媲美甚至超越人类教师的水平了--
而人类对特定学科的深入学习过程本质上就是对学科过往知识的蒸馏和认知建立，学习结论的过程和学习科学逻辑与推演的过程可以认为一样重要，老师再怎么用ds武装自己，也不可能完全填补自己教的数十个学生每个人自己用ds解答问题得到的收益，科学逻辑与推演变得和结论一样低成本，特别对于那些教基础科学的老师来说，他们将要面对的问题就完全不是“有计算器了为什么还要学算术”这么简单，学生也很容易认为基础学科都太简单，问大模型就好了。
可是人类对科学逻辑和推演过程的掌握不是跳跃式的，没有那么多先验的东西要灌输，更多是观察-理论-实证-思维提升的循环，而ds并不会针对小学生或者初中生提供符合他们认知的思维方式，人类没有大模型那样的超大量样本做训练，也没有MoE，提出问题得到答案太简单，给出的思考过程对他们又太复杂，老师不会因为错误答案的正确过程给分，学生就不会在答案正确的时候反过来学习过程，过程不重要嘛，答案重要。
更何况，这个时代提问大概率比答案重要，如何提问，如何用prompt得到更优质的模型回答很重要，老师们真应该用大模型教教小朋友们如何提问，如何面对可能有冲突甚至互相打脸的现实世界，如何去分辨，筛选，根据置信度和科学常识选择，而不是学会了如何利用大模型先射箭后画靶子，以大模型给出符合预期的答案为唯一提问目的。
我把类似的内容给老师朋友发过去了，他对话框显示了老半天正在输入，许久以后跟我说了句很有价值，我去研究下。现在看朋友圈疑似有点疯狂了....
