前面几篇把四科的结构、配速和笔记都过了一遍。但自学者很快会撞上一个更实际的问题：阅读和听力我能自己对答案，口语和写作没人听、没人改，我凭什么知道自己练得对不对？

答案取决于打分的那双眼睛——在新版托福里，它主要不是人的眼睛。

一、这两科的分，第一步由算法生成

ETS 公布的 2026 版考试说明，把题型分成两类：一类是 machine scored，用规则算法按预设答案或预设评分逻辑判分；另一类是 AI scored，针对口语和写作这种需要自己组织的作答，用自然语言处理和机器学习去抽取流利度、连贯性、语法这类特征 1。

落到两科上，分工写得很清楚 1：

  • 口语 11 题：Listen and Repeat 7 题是机器判分；Take an Interview 4 题是 AI 评分。
  • 写作 12 题：Build a Sentence 10 题是机器判分（每题 1 分）；Write an Email 和 Academic Discussion 各 1 题是 AI 评分（每题 5 分）。

ETS 官网的说法是，口语和写作的作答由“AI 评分与 ETS 认证评分员结合”评出 2。但公开的技术文档显示，人工评分主要用在质量检查、评分模型的校验和抽样上；IELTS 一份对比报告读 ETS 技术手册后的说法是，人工到底覆盖多少作答并未完全公开 3。所以能确定的是：这几道题的分，是算法先算出来的。口语那套引擎叫 SpeechRater，写作那套叫 e-rater 45。

二、它怎么看你：不是读懂你的意思，而是预测人会给几分

机制的关键藏在 ETS 的一句话里：写作的 e-rater，被描述成“预测人工评分员会给这道作答打多少分” 5。

它的做法，是先把你的作答拆成可计算的特征——写作看语法、用法、拼写、语体、组织、展开；口语则同时用录音和由录音转出的文字，看发音、流利度、词汇和语法——再拿这些特征和大量人工打过高分的样本做比对，算出一个分 45。它不是在判断你的观点是否成立，而是在判断你的作答“长得像不像高分作答”。（ETS 这些说明写于旧版题型时期，但讲的是同一套引擎。）

看得见的：发音的可懂度、语速和停顿这类流利度特征、语法准确度、词汇是否反复、句子之间是否连贯、结构是否完整、长度够不够。ETS 自己的练习区反馈的就是这一层：口语给语速、节奏、发音、语法，写作给语法、用法、拼写、结构 6。

看不见或看不准的：你这段回答有没有真的回答题目问的那个问题，你举的例子是不是真的支撑了观点。ETS 自己承认，SpeechRater 目前对 Topic Development（内容的切题与展开）这一项能力有限；e-rater 也不能像人一样判断作答里的内容站不站得住 45。第三方分析还发现，Write an Email 那题所谓的“内容相关”，在特征层面被拆成了句子数量、基础衔接、以及和题目用词的重复度这类表层指标 3——也就是说，把句子写长、多插几个连接词，可以让表层指标变好看，却未必等于你把这件事说清楚了。

三、这意味着：反馈缺口是不均匀的

把两科的题目按“能不能拿到可靠反馈”排一排，会得到三种不同的处境。

第一种，有标准答案的题，缺口是零。 Listen and Repeat 的 7 题、Build a Sentence 的 10 题，都按预设逻辑判分 1，你自己就能判。复述对不上原句的，漏掉的往往就是词尾、单复数、冠词、语序这些细节；句子拼错的，也一定找得到具体位置。这部分反馈是免费的，却常常被直接浪费掉——很多人练完就往下走，从不回头对照。

第二种，形式这一层，你和引擎都看得清。 语法错误、卡壳的长停顿、反复用的那几个词、结构有没有立场—理由—例子—收尾，这些都能逐条数出来。

第三种，意思这一层，只有你自己能判。 量表偏偏把“是否切题、展开是否充分”写成了评分维度，而这一项恰好是引擎最弱、最不透明的地方 34。没人批改时，这一层最容易变成无人区。

四、没人批改，就自己搭一个反馈闭环

把上面三种处境合起来，一个自学者能自己跑的闭环是四步。

第一步，先转写。 口语录下来，用任意一个听写／转写功能把它变成文字（写作本来就有原文）。把声音变成文字，你才能像改作文一样逐句看它。没有转写，口语的反馈只能停在“感觉还行”。

第二步，两张清单分开查。

  • A 层（引擎能看、你能量化）：数长停顿和卡壳的位置；回放一遍，看听的人能不能一次听懂；圈出语法错误；圈出反复出现的词；核对有没有立场、理由、例子、收尾；量一下长度够不够。
  • B 层（只有你能判）：用一句话重述题目到底在问什么，再看你的回答有没有正面回答它；检查例子具体到什么程度、是不是真的支持你的观点、有没有跑题。

第三步，一次只改一条。 从两张清单里挑最具体、最可执行的那一条，别的先放着。

第四步，重做同一道题，两版并排看。 有变化，说明这条改到了；没变化，说明它还不是问题的根子。做完这一轮，再刷下一套题。这样一轮的收益，通常比多做一套模拟大。

至于工具怎么摆：

  • 官方渠道优先。 ETS 的免费全套练习测试和分项练习，给的正是上面这套反馈，还会附上转写和示范回答 6。这是你能拿到的最接近官方口径的参照。
  • 第三方 AI 评分器只当练习估计值，别当预测分。 ETS 自己讲得很清楚：练习测试只由电脑评分，和真考“人加机”并不完全一样，而 e-rater 的分本质上只是“预测” 5。
  • 让它逐条对照量表给具体修改点，比让它给一个总分有用。 固定同一套提示词、同一张清单，你才能把两次练习的变化对照起来。

一句话收束：没人批改时，你能拿到的最有用的反馈，其实一半来自你自己的录音。引擎负责你能自查的那一层，切题和展开这两件最要紧的事，只能你自己盯着。