数学都是体育老师教的!13.11和13.8谁大?大模型翻车了
![](/skin/2018/images/text-message.png)
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,育老荷泽市某某物流运营部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!育老荷泽市某某物流运营部”
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)
相关文章
95后越南姑娘,每天跨国“通勤”!18岁就来中国“淘金”,已有4个铺面
从辽宁丹东,到广西东兴,中国最美的沿海公路G228,穿行了8个省、2个直辖市、40多个沿海城市,绵延7000多公里。这是中国距离海岸线最近的国道,更是中国改革开放历程集中展现的窗口。改革开放以来,中国2024-09-08张雪峰回应“大量文科生滑档”一事,想报理工农医专业,物化必选
2024年高考录取工作已经落下帷幕,录取结果给多个省份的文科生留下意难平。看上去填报志愿和选科挂钩在保护文科生,但仍旧没有改变文科生大面积高分滑档的事实。以2024山东高考为例,普通类一段最低录取分数2024-09-08- 00:148月6日,山西运城,风口山国家森林康养基地。有网友发视频称自己带着椅子在遮阳平台休息,竟要收费50元,怀疑是私自收费。7日,景区工作人员回应称,平台收的是垃圾费,附近就有不收费的长凳子。平台2024-09-08
- 巴黎奥运会乒乓球女单1/16决赛,美国华裔名将张安对阵巴西选手高桥-布鲁娜。比赛进行得很激烈,张安不时望向坐在观众席上的美国篮球运动员安东尼-爱德华兹,打出好球时对方总是为她呐喊助威。两个人只有一面之2024-09-08
- 原标题:中外嘉宾共话推动构建网络空间命运共同体迈向新阶段) 新华社北京9月3日电记者王思北)世界互联网大会国际组织3日在北京召开推动构建网络空间命运共同体迈向新阶2024-09-08
- #中国队4×100米小组第一#[恭喜!#中国男子4×100米接力进决赛#]巴黎奥运会田径男子4×100米接力第一轮比赛中,中国选手邓智舰@舰森森 、@谢震业 、@严海滨 、陈佳鹏@不胖的佳鹏 跑出2024-09-08
最新评论