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,育老榆林市某某母婴用品售后客服中心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!育老榆林市某某母婴用品售后客服中心”
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?
延伸阅读(责任编辑:休闲)
-
☆ 开始之前,我们先吃下一颗定心丸。☆ 你必须知道,现在写不好题:10分的题目只得了5分、15分的题目只得了6分很正常,而且是再正常不过的事。因为我们每个人都不是天才,我们面对新鲜事物的时候,一个自己 ...[详细]
-
图片来源:Pixabay9月17日,美的集团0300.HK)在香港联合交易所主板挂牌上市,成为A+H上市公司。美的集团本次全球发售约5.66亿股H股股份,香港公开发售2829.28万股占约5%),国际 ...[详细]
-
新电影《玛丽亚》威尼斯电影节首映,主演安吉丽娜·朱莉开启宣传模式,接连登上几个杂志,巨星回归,轻松入账新封面。这是朱莉继2021年的《永恒族》后再度主演的电影,可以看出她的重视程度。无论是红毯还是大片 ...[详细]
-
来源:牛弹琴 局势没有最糟糕,只有更糟糕。 9月25日,以色列的战机,继续在黎巴嫩上空盘旋,然后是猛烈轰炸。过去三天,是黎巴嫩过去20年来最血腥的三天,以军空袭了2000多个目标,打死了600 ...[详细]
-
当地时间10月14日,联合国秘书长发言人迪雅里克在例行记者会上表示,秘书长古特雷斯谴责以色列连日来袭击加沙北部和中部,包括医院和学校设施,造成大量平民伤亡的行为。他敦促冲突各方遵守国际人道主义法, ...[详细]
-
哈兰德逃过追罚!用球砸加布后脑,VAR离谱决定,枪魔逃过一劫
在2024-25赛季英超第5轮,曼城2比2战平阿森纳。尽管哈兰德将球扔向加布里埃尔后脑,但《天空体育》周一透露,哈兰德将不会因为这个动作而遭到处罚。直到下半场补时第8分钟,斯通斯才为曼城艰难地扳平了比 ...[详细] -
文|新熵 萧维当今年三月底,阿里临阵撤回菜鸟IPO时,肯定不会想到老对手丰巢的上市如此急迫。近日,顺丰旗下丰巢快递柜,正式向港交所递交IPO招股书,估值约250亿元人民币。作为国内快递配送"最后一公里 ...[详细]
-
谷歌CEO皮查伊:AI不会取代程序员,反而会让更多人成为程序员
IT之家 9 月 23 日消息,近年来,人工智能AI)的飞速发展引发了广泛讨论,人们担心 AI 是否会取代人类的工作。艺术家和程序员尤其担心,因为 AI 似乎能够胜任这两项工作。然而,谷歌及其母公司 ...[详细] -
当地时间10日晚,黎巴嫩公共卫生部通报称,以军当晚对黎巴嫩首都贝鲁特市区两次袭击已造成22人死亡,117人受伤。 以色列方面对此暂无回应。总台记者 次晓宁)点击进入专题: 中东局势持续升级 ...[详细]
-
无下限炒作:库里沈阳首签球衣二手平台卖3万 最高标价100万
北京时间9月23日,库里中国行已经结束,但库里今夏中国行的热度余温犹在。如今有球迷自称拥有库里在沈阳的首签球衣,他挂在二手平台售价3万元,且最高出价一度达到100万元的天价。库里今夏时隔5年来到中国, ...[详细]