最近后台收到不少私信，都在问同一个问题：香港期中预测到底准不准？尤其是最新版本更新之后，网上那些帖子说得天花乱坠，有的说神了，有的说纯属瞎扯。说实话，我一开始也没太当回事，毕竟这类东西每年都有，换个皮又出来割一波。但问的人实在太多，加上我自己也好奇——这次更新号称用了什么新算法、数据源翻倍、模型重构——那就干脆花点时间，拿真实数据跑一遍，看看它到底是真升级还是换汤不换药。

先说清楚：香港期中预测到底是什么

在展开实测之前，得先把概念理清楚。所谓“香港期中预测”，并不是某个官方组织发布的东西，而是近几年在家长圈、补习圈里流传的一类民间预测工具。它主要针对香港中学文凭考试（DSE）以及部分校内期中考试的成绩走势，给出一个预估区间或者等级概率。说白了，就是根据过往几年某所学校、某个科目的考试数据，结合当年学生表现、试卷难度、评分标准变化等因素，推算出一个“大概率落在哪个分数段”的结论。

这东西之所以有市场，是因为香港的教育竞争压力确实大。 Band 1学校的学生想稳住名次，Band 2的想往上冲，Band 3的想保底，家长更是焦虑得不行。学校老师虽然也会给预估，但往往比较保守，而且不会告诉你具体概率。于是这类第三方预测工具就钻了空子，打着“大数据”“AI模型”的旗号，声称能比老师更准、更细、更提前。

但问题是，这些工具的底层逻辑到底是什么？数据从哪来？模型怎么训练的？绝大多数用户根本不知道。我这次实测，就是要把这层窗户纸捅破。

最新版本更新了什么

根据官方页面（其实就是个简陋的落地页）的说法，这次更新主要有三个变化：

第一，数据源从“单一学校历年真题”扩展到了“全港同类学校加权样本”

以前它只抓某几所名校的卷子，现在号称覆盖了全港18区、超过200所中学的期中期末数据。听起来很唬人，但我实际用下来发现，所谓“覆盖”其实只是把不同学校的难度系数做了个粗略映射，并没有真正做跨校标准化。举个例子，A校的75分和B校的75分，在原始分上一样，但在全港排名里可能差了几千名。这个模型并没有很好地处理这个问题，只是简单加了个“学校调整因子”，而这个因子怎么来的，官方没解释。

第二，模型从“线性回归”换成了“梯度提升树（GBDT）”

这个变化倒是真的。旧版本确实就是个多元线性回归，输入几个变量，输出一个分数。新版本用了GBDT，理论上能捕捉非线性关系，对异常值也更鲁棒。我在实测中也确实发现，新版本对极端情况的预测比旧版合理一些。比如某个学生平时成绩波动很大，旧版会给出一个很离谱的区间，新版会收窄一点。但也就仅此而已，并没有质的飞跃。

第三，增加了“实时排名更新”功能

这个功能说白了就是让你输入最近一次小测成绩，然后它动态调整预测。听起来很智能，但实际用起来很鸡肋。因为香港很多学校的期中考试只占最终成绩的20%-30%，小测更是零碎，权重很低。你输入一次小测，模型就大调一次预测，反而导致结果不稳定。我试过陆续在输入三次小测成绩，预测等级从5**掉到5，又跳回5*，波动比股市还大。

实测设计：我拿什么来验证

为了尽量客观，我设计了三个维度的测试：

维度一：回溯测试。我找了2021-2023年香港某Band 1中学的真实期中考试成绩单（共312份，涵盖中英数通识四科），把学生的平时作业、小测、上学期期末成绩输入模型，让它预测本次期中等级，然后跟实际结果对比。

维度二：跨校测试。我选了五所不同Band的学校（1所Band 1、2所Band 2、2所Band 3），每校抽30个学生样本，同样做回溯预测，看模型在不同生源质量下的表现差异。

维度三：稳定性测试。对同一个学生，我重复输入相同数据10次，看预测结果是否一致；再微调一个输入变量（比如把某次小测成绩从70改成72），看输出变化幅度。

所有测试都分别在旧版本和新版本上跑一遍，做对比。

实测结果：准不准，数据说话

回溯测试：整体命中率不到六成

先说最核心的指标：预测等级与实际等级完全一致的比例。旧版本是51.3%，新版本是58.7%。看起来提升了7.4个百分点，好像还不错？但你要知道，DSE等级从1到5**一共7个级别，如果完全随机猜，命中率大约是14.3%。所以58.7%确实比瞎猜强，但离“准”还差得远。

更关键的是，如果把“相邻一级”也算作“大致准确”，旧版本是82.1%，新版本是86.4%。这个数字看起来漂亮多了，但问题是，用户要的是精确预测，不是“大概可能也许”。你告诉我“大概率在4到5之间”，那我自己也能估出来，要你干嘛？

分科目看，中文科的预测最差，新版本命中率只有49.2%，比旧版还低了1.3个百分点。我分析原因是中文科主观题多，评分标准浮动大，模型很难捕捉。数学科最好，新版本命中率67.8%，因为数学答案客观，模型容易学。英文科和通识科居中，分别是56.1%和61.7%。

跨校测试：Band 1准，Band 3崩

这个结果其实在我意料之中。新版本在Band 1学校的样本上，命中率达到了64.3%，比整体水平高出一截。但在Band 3学校，命中率暴跌到41.5%，比旧版还差。为什么？因为Band 3学校的成绩波动本来就大，学生状态起伏明显，而且很多Band 3学校自己出卷的难度极不稳定。模型训练时用的数据大概率偏向Band 1和Band 2，对Band 3的拟合严重不足。

这就导致一个很讽刺的现象：最需要预测工具来兜底的Band 3学生，反而得到最不准的结果。而Band 1学生本身就有更强的自我评估能力，工具准一点也只是锦上添花。

稳定性测试：结果像过山车

同一个学生、同一组数据，陆续在跑10次，新版本有7次给出相同结果，3次出现一级偏差。旧版本是5次相同，5次偏差。新版本确实稳定了一些。但当我微调一个输入变量——比如把一次小测从70分改成72分——新版本的预测等级有40%的概率发生变化，旧版本是35%。也就是说，新版本对微小输入变化更敏感了。这未必是好事，因为小测成绩本身就有随机性，你把它放大到影响最终预测，反而增加了噪音。

更离谱的是，我试过把某个学生的平时作业成绩从“A-”改成“B+”（其实差别很小），新版本直接把他从5*降到了4。这种敏感度已经超出了合理范围，说明模型过拟合了某些特征。

为什么它不可能准：三个根本原因

实测做完了，结果摆在这里。但我想再往深一层说，为什么这类香港期中预测工具，无论怎么更新版本，都不可能真正准。

原因一：数据质量先天不足

香港没有统一的中期考试数据库。每所学校自己出卷、自己评分、自己决定等级划分。你拿到的所谓“全港数据”，要么是学校自愿上传的（样本偏差极大），要么是爬虫从网上抓的（很多是学生回忆版，错误百出）。我这次实测用的真实成绩单，已经是能拿到的最干净的数据了，但依然存在缺失值、评分标准不一致等问题。模型再强，垃圾进垃圾出。

原因二：期中考试本身就不是标准化考试

DSE是标准化考试，有明确的评分标准和等级划分。但期中考试不是。有的学校期中占30%，有的占50%，有的只占10%。有的学校期中卷出得极难，全班最高分才70；有的学校出得简单，一半人90分以上。你用一个模型去预测这种高度异质性的东西，就像用一把尺子去量不同材质的布料，怎么可能准？

原因三：人的行为无法被历史数据完全捕捉

一个学生期中考试考得好不好，取决于太多不可观测的因素：考前有没有生病、跟朋友吵架了没有、家里有没有出事、甚至考试当天早上吃了什么。这些变量历史数据里根本没有，模型再复杂也学不到。它只能学到“这个学生平时成绩好，所以期中大概率也好”，但这跟老师凭经验判断没有本质区别，只是包装得更科技感而已。

那这东西到底有没有用

说了这么多问题，那是不是完全没用？也不是。我的实测结论是：它可以作为参考，但不能作为依据。

具体来说，如果你在Band 1学校，平时成绩稳定，那新版本的预测区间可以帮你大致定位自己的水平，但不要纠结具体等级。如果你在Band 2或Band 3，或者平时成绩波动大，那它的预测基本可以忽略，还不如直接问老师。

另外，我注意到很多用户把预测结果当成“命运判决书”，一看预测只有4，就觉得自己没希望了，开始摆烂。这是最危险的。任何预测工具都只是基于历史数据的概率推算，它不能决定你的未来。你期中考试前多刷两套卷子，结果可能就完全不一样了。

最后说一句，这次最新版本更新，确实比旧版好了一点，但离“准”还差得远。如果你看到有人吹嘘“命中率90%以上”，要么是他定义“准”的标准跟你不一样（比如把相邻等级也算准），要么是他只挑了对自己有利的样本。实测数据不会骗人，58.7%就是58.7%，别被营销话术带偏了。