生成式AI能写出合格的训练计划吗？一项针对6个大模型的研究给出的答案

一项发表于公开学术期刊的研究，系统评估了GPT-4o、GPT-4.5、GPT-o1、GPT-o3-mini、DeepSeek-R1和DeepSeek-V3这6个主流生成式AI模型，在生成30天足球训练计划任务上的表现，为"生成式AI能否胜任专业训练规划"这一问题提供了实证参考。

研究是怎么设计的

研究人员要求每个模型按照运动处方的基本原则，生成一份完整的30天足球训练计划，随后从可读性和内容质量两个维度对生成结果进行系统评估，这类研究方法在评估生成式AI在专业领域的实际能力时具有较高的参考价值。

研究结论说明了什么

公开信息显示，生成式AI用于制定技术要求高、对抗性强的团体项目（如足球）训练计划，其效果仍有待进一步验证，不同模型之间的表现也存在差异。另一项针对力量训练计划的研究也得出了类似结论：公开可用的大语言模型生成的增肌和最大力量训练计划整体质量处于中等水平。

为什么会存在局限性

训练计划的科学性不仅要求内容本身符合运动生理学原理，还需要结合训练者的个体差异、伤病史、竞赛周期等大量非标准化信息，这类信息很难通过单次对话完整传达给通用大模型。相关研究也在探索改进方向，比如通过引入"运动科学知识图谱"，让生成过程建立在结构化的专业知识基础上，以减少模型"编造"不准确训练建议的风险。

对普通用户的参考意义

这项研究提醒我们，生成式AI生成的训练计划目前更适合作为参考起点，而不是可以直接照搬执行的专业处方，尤其是涉及高强度、高对抗性的运动项目时，建议结合专业教练的判断使用，这与半岛体育在AI能力边界方面的说明是一致的，详见AI运动建议为什么不能直接当成医疗建议。

信息参考来源：公开学术期刊论文及研究机构发布信息。事实基于公开资料，标题、摘要、结构与解释为原创整理。