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,育老无锡市某某化品维修网点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!育老无锡市某某化品维修网点”
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)
-
“捡漏”流拍!“草原金主”豪掷2.2亿元,5.6折抄底高端酒店
每经记者:杜蔚 丁舟洋 每经编辑:杨夏停摆四个多月后,曾被视为“西南地区亲子酒店天花板”的蓝光己庄以下简称己庄),于不久前重新开业,摇身一变,“换牌”为峨眉山乌兰度假酒店以下简称峨眉山乌兰)。地处景区 ...[详细]
-
随着气温逐渐上升,大家是不是都把可乐、奶茶等饮料安排起来了?近日,深圳的两个年轻人,因为每天都把饮料当水喝,短期内身体暴瘦。在分别被送进医院前,他们一个10天暴瘦了40斤,一个15天瘦了20斤。虽然这 ...[详细]
-
随着天气转暖,蜱虫及其相关疾病又开始进入活跃期。北京疾控微信公众号提示,外出踏青、赏春的时候,一定要防范蜱虫的叮咬。如何防止蜱虫叮咬?一是做好防护。天气转暖,就到了蜱虫活跃的季节,在户外游玩或野外工作 ...[详细]
-
王阿姨今年刚刚六十岁,退休之后无忧无虑,每天跟一帮老姐妹们跳跳广场舞,闲暇的时候就去逗逗孙子,忙得不亦乐乎。但是不知怎么了,她最近老是感觉头晕,也没当回事,但是这种头晕症状反反复复发作,有的时候还有头 ...[详细]
-
央视记者当地时间9月5日获悉,美国华盛顿联邦地区法院法官塔尼娅·丘特坎当日在法庭上表示,美国前总统特朗普的辩护律师约翰·劳罗称,特朗普对修改后的起诉书中的指控不认罪。丘特坎称其会考虑对特朗普进行传 ...[详细]
-
. ...[详细]
-
消息人士曝光了华为P70和华为P70Art的渲染图,这两款手机在设计上有较大区别,尤其是摄像头区域,华为P70标准版是比较标准的三角形造型,华为P70Art则是不规则的几何造型。从渲染图来看,华为P7 ...[详细]
-
“咳嗽要咳一百天?”“这不是小孩的病吗?”“百日咳听起来很可怕。”近日,百日咳相关话题频登热搜,不少网友在留言中充满担忧。百日咳如何确诊?有哪些典型症状?如何科学看待它的“卷土重来”?针对这些热点问题 ...[详细]
-
开学警惕传染病 多病共防健康提示请收好2024-09-04 20:50:50 来源:人民网 作者:胡寒笑 ...[详细]
-
“咳嗽要咳一百天?”“这不是小孩的病吗?”“百日咳听起来很可怕。”近日,百日咳相关话题频登热搜,不少网友在留言中充满担忧。百日咳如何确诊?有哪些典型症状?如何科学看待它的“卷土重来”?针对这些热点问题 ...[详细]