同是 AI，为什么数学比语言好用
解方程能验算，改写英文却很难判断合不合适，差别在任务能不能被判定。本文说明可判定性为何是关键，给出数学当解法库、语言当陪练两套用法，并提醒这条界线并非绝对、显隐知识的界线本身仍在讨论中。
本文性质： 模型 + 假设（Model / Hypothesis） 证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence
本篇涉及的证据类型：模型 Model／假设 Hypothesis／观察 Observation。凡属本院课堂观察与教学模型的部分，均不作效果承诺。
同样是用工具，解一道方程和改写一段英文，能靠上的程度差很多。差别不在工具聪明不聪明，在任务本身能不能被判定。
01学科之间的差别在哪
本院在数学与语言两类学习场景里都做过尝试。数学题上，工具给出的步骤可以被逐步验算，错了也能被立刻发现；学生用它来看不同解法，收获比较直接。语言学习上，工具给的译法、搭配建议、作文润色，看起来都很通顺，但「这个说法在这个场合合不合适」，往往要读者、听者踩过才知道。以上为本院教学观察记录，属观察层。学生的反馈也很一致：数学得到的帮助「更像答案」，语言得到的「更像参考」。
02可判定与不可判定
可判定性是关键。数学答案有唯一或有限解，验证成本低，错了很快暴露；语言使用没有唯一解，同一个意思在不同场合、不同对象面前有不同说法，验证依赖语境与社会惯例。第二语言习得里对这条界线有一个相近的表述：语言知识中可被讲清楚的部分（显性知识）与主要靠大量使用与反馈积累的部分（隐性知识）性质不同，两者的界面至今仍有讨论（Ellis 2005）。第三，语言的结构化程度低于数学，规则常有例外，例外又常由场合决定。这三点叠加，使语言任务更难被一次性的答案替代。
03本院的两套用法
本院按学科分了两套用法。数学与理科：把工具当「解法库」与「验算器」，用法偏直接，重点放在比较不同解法、追问为什么。语言学科：把工具当「陪练」与「参照」，任何输出都要经过真实语境检验——读出来、说出去、给别人看，看对方的反应。两套用法共有一条：先让学生说自己的判断，再看工具的，避免先入为主地接受。
04条边界
三条边界。第一，依学科差异分用两套方式，是本院的内部判断，并非来自系统的对比实验。第二，显性知识与隐性知识的界面本身仍在讨论中（Ellis 2005 指出尚无定论），本院按假设层处理。第三，这条界线不是绝对的：语法点的讲解可以很接近数学，自由表达则很难；反过来，数学中的建模与论证也涉及语言。本院不作效果承诺。
