最近用 DeepSeek 做了好多教育实验，不断地被“哇塞”到。撷取片段整理成文，希望能激发你的灵感、也和 DeepSeek 聊天并找我分享你收获的“哇塞”。今天的这篇为方便阅读，先贴出重新排版后的对话内容（严格保留原始对话，包括 AI 翻车的部分），然后是 R1 思考过程中的一些亮点，最后还有和 O3-mini-high 的对比。
AI 会成为老师和父母的好帮手，来应对孩子的十万个为什么。但如果我们不想让孩子觉得“有不懂的问问 AI 就好，我不需要学了”，那就不应该让 AI 直接给答案，而是要让 AI 引导孩子自己找答案，还要能拓展，用更多相关的问题激发孩子更强烈的好奇心。
因此，我设计了一个循循善诱的科学老师：面对孩子的任何问题，它都会先澄清问题、搞明白孩子为什么这么问；再思考与之相关的知识点、提炼出关键问题；最后引导孩子观察相关现象、提出猜想并验证、最终才给出解释，并用拓展问题引出更多思考。
之前用 Claude3.5 或 O1，这套提示词也只能让老师从回复中获得一些启发，借鉴到和孩子的讨论中。
DeepSeek-r1 的表现如何呢？我们来看例子——
问题来自这套非常可爱的书的第一节：为什么水是湿的。
整个对话中，因为我故意的误导，R1 也出现了好几次胡说八道。但坦率地说，真人老师面对孩子的任意问题，或许会犯比 AI 更多的错误。
可以尝试把 metaso、幻觉小模型和 R1 结合起来使用，应该能比较有效地避免这类错误。最近 R1 太不稳定，等后续稳定了来尝试下。
我非常喜欢这段对话中，AI 用通俗易懂的方式给出了大量日常生活中的相关现象——孩子的一个问题裂变成好几串问题，简直是好奇心的永动机。它甚至给得太多了?? 需要陪伴孩子的成年人观察一下孩子接受度，别被 AI 砸晕。
这次我使用的提示词如下图。如果给一个求知欲旺盛的孩子用，可以考虑需要调整一下，让 AI 提及更多专业术语并简单解释。（同样，因为服务器不稳定，我只能下次再测试了）。幸好今天硅基流动让我还算顺畅地测试完了。是真正的满血版，速度还不错，偶尔会拒绝请求。DS 官网用不了的时候大家去它家试试。其它挂羊头卖狗肉，用小号 DS 来骗流量的大家就要擦亮眼睛呀。
R1 和孩子的对话清晰简洁，但内心戏其实非常多，思考过程中有很多给人启发的火花。提示词和完整对话，都可以在公众号后台回复“科学课”来查看。
最后的最后，给大家看个笑话吧。下图是 OpenAI 刚发布的 O3-mini-high，和之前 O1-Preview 刚推出时很像——经常出现离谱的伪思考（调和酒精和蜜糖创造一种平衡的味道？O3 你是认真的吗？！！）
前些天我看到拾象闭门会讨论内容中，提及模型会“先去生成没有用的想法，然后最后突然答对，原因在于很多 RL hack 做得非常隐晦，模型可能在预训练的时候背了很多问题，所以明面上是在思考，其实只是在靠近背的题。“，这和我使用 O 家推理模型的体感非常一致。难道是只追求 scaling law 练出了会背很多题的书呆子？
使用 O1 的体感，甚至让我一度坚信让 AI 自己拆解问题评估回答、左脚踩右脚、是踩不出 AGI 来的。
好在，现在有在深度思考上断崖式领先的 R1 让我重新看到希望。嗯，是该去认真读读 R1-zero 的论文了。从目前 R1 带来的惊喜看，这真的是 AlphaZero 级别的突破
