一道小學(xué)生難度的數(shù)學(xué)題難倒了一眾海內(nèi)外AI大模型。
問題是：“9.11和9.9哪個(gè)更大?”就此問題，記者測試了12個(gè)大模型，結(jié)果顯示阿里通義千問、百度文心一言、Minimax和騰訊元寶答對(duì)了，但ChatGPT-4.0、字節(jié)豆包、月之暗面kimi、智譜清言、零一萬物萬知、階躍星辰躍問、百川智能百小應(yīng)、商湯商量都答錯(cuò)了。每個(gè)錯(cuò)誤的原因都各有不同。
大部分大模型在問答過程中錯(cuò)誤地比較了小數(shù)點(diǎn)后的數(shù)字，認(rèn)為9.11大于9.9?？紤]到數(shù)字涉及的語境問題，記者將其限定為數(shù)學(xué)語境下，但像ChatGPT這樣的高級(jí)模型也依然答錯(cuò)。
這反映出大模型在數(shù)學(xué)能力上的不足，這是一個(gè)長期存在的問題。有行業(yè)人士認(rèn)為，生成式語言模型從設(shè)計(jì)上更偏向文字思維而非數(shù)字思維。然而，針對(duì)性的語料訓(xùn)練或許能在未來逐步提升模型的理科能力。
浙公網(wǎng)安備 33010502007447號(hào)