你知道 17 万个英文单词中的多少个？

总体印象

• 许多人觉得这个测验很有趣、很“涨自尊”，也是一种愉快的消遣，尤其是到最后单词变得越来越晦涩的时候。
• 也有人因为前期关卡太基础、交互太慢而感到无聊或提前退出；有些人觉得它始终没有真正变得有挑战性。

UX 与交互设计

• 主要抱怨：每个单词要点太多次（选择 → 检查 → 继续），按钮相距太远，在手机上有时还会跑到屏幕外。
• 反复出现的强烈请求：
  • 单击流程（回答后立即前进，可能带撤销）。
  • 键盘快捷键（1–4 用于选择，Enter 用于提交/前进）。
  • 自适应难度，让水平较高的用户跳过很长的“基础”阶段。
• 布局抖动和滚动问题（尤其在移动端）被认为很烦人。

测试设计、可猜性与有效性

• 许多人注意到一些模式让猜答案变得容易：
  • 正确答案往往是最长的定义。
  • 经常是“正确答案 + 反义词 + 2 个随机项”的结构。
  • 有时会有两个直接相反的选项，而答案总是其中之一。
• 几个人尝试了“永远选最长的答案”，并报告了很高的准确率。
• 缺少“我不知道”按钮受到广泛批评；被迫猜测会抬高分数。
• 多位评论者认为，这个测试衡量的是猜测策略和词源推断能力，而不是真正的词汇量。

词汇选择、难度与偏差

• 词表被认为有偏：
  • 大量偏向拉丁语/法语/希腊语派生词，以及关于语言、冗长和修辞的元词汇。
  • 后期关卡把真正晦涩的词与相当常见的词混在一起（“obfuscate”“zeitgeist”“kerfuffle”）。
• 母语为罗曼语族或日耳曼语族语言的非英语使用者，往往能利用同源词和词根获得很高分。
• 一些人反对虚构的、玩笑性质的或极罕见的词，也反对包含专有名词。

定义与“科学”说法

• 多位用户指出定义过于浅显、循环、误导或不完整（例如“lethargic”“verbose”“candid”“complacent”“frugal”“obsequious”）。
• 还有人批评明显像是 LLM 生成的干扰项和措辞，称其为“AI slop”。
• 所描述的“分层抽样”算法让一些人印象深刻，但也有人指出：
  • 各区间加起来只有约 8.5 万，而文中提到约 17.1 万，所以即使 100/100 也只相当于总量的约 50%。
  • 单词分层并不总能与实际难度或频率一致。
• 也有人提出替代方案（自适应/IRT 风格测试、类似 Elo 的模型、其他现有词汇测试）。