数学都是体育老师教的!13.11和13.8谁大?大模型翻车了
出品|网易科技《态度》栏目
作者|宗淑贤
编辑|丁广胜
前几日,数学师教频频霸榜的都体的和综艺《歌手》又一次冲上了热搜。不过这次,育老白山市某某数控设备维修站话题的模型焦点无关“好听”“难听”,而是翻车从台上竞演的嘉宾转移到了台下讨论的网友身上。
13.8%和13.11%哪个大?
谁也没有想到,都体的和这道本质上源于小学四年级数学内容的育老问题,居然难倒了一众网友。模型
对此,数学师教有网友感叹:“现在知道天天在网上抬杠的都体的和都是什么人了吧?”也有网友无奈回怼:“实在不知道谁大谁小,就去问问AI吧!育老白山市某某数控设备维修站”
然而,模型当你真的翻车把这个问题抛给AI来解答,你会惊讶地发现——AI也不会。
AI2的研究员林禹臣在推特上贴出了自己用GPT-4o尝试的结果。面对13.11与13.8哪个大这一问题,GPT-4o认为13.11大于13.8,并解释称:“虽然13.8看起来更大,因为它小数点后的数字更少,但13.11实际上更大。这是因为13.8相当于13.80,而13.80小于13.11。”
对此,林禹臣评论说:“常识对AI来说仍然很难。”“这种常识性的人工智能失败案例让我不断想起@YejinChoinka的TED 演讲:为什么人工智能既聪明无比,又愚蠢至极。”
一、大模型的作答现场
带着这个问题,我们对当下主流模型进行了简单的测试。其中,通义千问、文心一言、360智脑、字节豆包、百小应、有道小P和讯飞星火都作出了正确的回答。不过在原因解释方面,讯飞星火略显逊色,其余模型则都是按照分开比较整数和小数部分的思路进行了较为详细的回答。
通义千问
文心一言
360智脑
字节豆包
百小应
有道小P
讯飞星火
而月之暗面旗下的kimi和ChatGPT在这一问题上则双双翻车。
当kimi被问到“13.11和13.8哪个大”时,它首先给出了13.11大于13.8的答案:
经过进一步追问原因,kimi转而又作出了截然不同的回答:
经过第三次追问,kimi终于意识到自己在此前的回答中存在错误,对这一问题的答案进行了修改纠正:
反观ChatGPT,就显得不甚善于反思:
经过两次反问,ChatGPT表示自己对此前错误的回答感到抱歉,并承认13.8大于13.11。但当询问它能否解释原因时,它却给出了这样的回答:This is because the number 13.8 is read as "thirteen point eight," which is larger than "thirteen point eleven".
二、大模型为什么会“数学不好”
回答不好小学生数学题,人工智能大模型又一次被送上了舆论的风口浪尖。面对现今蓬勃发展的各类大模型,人们仍有疑虑:
这到底是人工智能,还是人工智障?
实际上,这一问题并不是最近才出现的,“数学不好”一直是各类大模型的短板。根据上海人工智能实验室旗下司南评测体系OpenCompass进行的高考全卷测试结果,包括GPT-4在内的七个大型人工智能模型在高考语文和英语科目的测试中普遍表现出色,然而在数学科目上则均未能达到及格线,最高分也仅达到了75分。
业内人士将大模型“数学不好”的问题根源追溯至LLM(大型语言模型)的架构设计本身。
LLM通常依赖监督学习,特别是通过预测文本中下一个词的方式来训练。这一过程中,模型被投喂海量的文本数据集,学习并预测给定文本后下一个词出现的概率分布。通过不断将模型的预测与实际文本进行对比和调整,语言模型逐渐掌握了语言的内在规律,从而能够预测并生成连贯的文本。
然而在LLM的框架内,存在使用Tokenizer这一关键环节。它负责将输入的文本分割成更小的单元(tokens),以便模型处理。问题在于,Tokenizer的设计初衷并非专门服务于数学处理,因此在处理包含数字的文本时,可能会将数字看做文本字符串而非数值,从而进行不合理地拆分,导致数字的整体性和意义在模型内部被破坏。
对此,360CEO周鸿祎以9.9和9.11为例,进行了更为通俗的解释:
“大模型全称叫大语言模型,它首先解决的是对人类自然语言理解的问题。所以大模型并没有把9.9和9.11当成一个数字来看,而是把它们分成了两个token。没有经过专门特别的提示和训练,大模型是不懂阿拉伯数字也不懂数学的,所以大模型是按照一个文字的逻辑来进行比较的。9前面是一样大的,那么11比9要大,所以就得出来9.11比9.9要大。”
除了架构设计存在不足外,大模型“数学不好”或许还与它所接受的训练方式有关。主流模型的训练主要源于互联网的文本数据,这类数据中数学问题和解决方案相对匮乏,也在一定程度上限制了模型在此类技能上的发展。
因此,在各类大模型井喷式诞生与发展的现在,也许我们也应当反思:AI该如何进一步设计与训练,才能真正像人类一样思考?
![](https://static.ws.126.net/163/f2e/product/post_nodejs/static/logo.png)
(责任编辑:时尚)
-
原标题:来北京的领导人中,有一位特殊的客人) 姆南加古瓦总统,北京欢迎你,南京也欢迎你! ...[详细]
-
陈云霞/张灵/吕扬/崔晓桐夺得铜牌。据新华社报道,2024年赛艇世界杯瑞士卢塞恩站当地时间26日收桨,奥运冠军组合陈云霞/张灵/吕扬/崔晓桐为中国队斩获女子四人双桨铜牌。中国队当天共在四个项目中闯入决 ...[详细]
-
车江二村足球队与丰乐村足球队在“村超”比赛中。夏日傍晚,雷公山起伏的山峦逐渐隐去,位于贵州省榕江县城北新区的“村超”足球场周边一派热闹景象,成千上万名球迷向球场会聚。这座位于黔东南苗族侗族自治州的小县 ...[详细]
-
国足主帅伊万科维奇即将带队迎来6月世预赛“生死战”。视觉中国 图北京时间27日,国足在沈阳集结开始备战6月和泰国、韩国的世预赛36强赛阶段最后两场比赛,晚上7点,国足在沈阳奥体中心外场进行场地训练。主 ...[详细]
-
当地时间9月3日晚,巴勒斯坦卫生部长发表声明称,第二批35万剂脊髓灰质炎疫苗已于当晚运抵加沙地带。经联合国儿童基金会协调,目前该批疫苗储存在加沙中部代尔拜拉赫市卫生部门的冷藏箱中。 声明称,此批 ...[详细]
-
据@CCTV国际时讯 微博,当地时间5月26日下午,卡塔尔航空公司一架从卡塔尔多哈飞往爱尔兰都柏林的波音787-9型客机,在飞经土耳其上空时遭遇严重气流颠簸。目前该航班已降落都柏林机场。机场方面说 ...[详细]
-
[#天津南开调整小学转学和初中入学政策#]天津市南开区教育局16日发布《关于调整南开区小学转学和初中入学政策的通知》及相关政策问答。通知实施后取得南开区户籍及对应房产的家庭,如所购房产为存量房二手 ...[详细]
-
考了复旦大学400+最后上了中国传媒大学(嗯?)|新传考研经验帖
@TuTouSuo™️*小红书:秃头研究所新传考研*2025经验帖专栏:首先恭喜2024届的赛博朋友们成功上岸,过去的一年时间里我们曾一起“以理想入世,对抗荒谬世界”,如今一切都已尘埃落定。这一路,你 ...[详细]
-
来源:大湾区之声 [#中山全市停课#]9月5日16时,今年第11号#台风摩羯#超强台风级)中心位于中山偏南方向约400公里的南海海面上,预计“摩羯”于6日下午到夜间在阳江阳西到海南琼海一带沿海登 ...[详细]
-
【编者按】在近期播出的影视作品和综艺中,总有那么一些可可爱爱,又令人难忘的艺人。他们有的是新生代演员,有的是初出茅庐的小爱豆,也有的是蛰伏多年的实力绿叶。本栏目希望借此机会,捕捉那些已经在努力发光发亮 ...[详细]