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，育老潍坊市某某生态科技专卖店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！育老潍坊市某某生态科技专卖店”
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：娱乐)
刚上任2个月，A股80后董事长被留置
中国营养素度量模型公布 约束三高食品向儿童青少年营销
70岁费玉清不孤单：和江蕙互相作伴，把晚年活成了静水深流-
人民币对美元汇率在在岸和离岸市场双双创下13个月新高。11月25日，人民币对美元即期汇率16:30收盘报7.0938，较上一交易日涨118个基点；进入夜盘交易时间后人民币对美元即期汇率进一步走强，截至
...[详细]
-
2024高考提前批录取：中国人民公安大学达663分，超过南京大学
2024年高考提前批的录取工作已经陆续拉开序幕，经过前期的充分准备，如今各地教育部门的录取都变得更加顺畅。所谓高考提前批主要分为两种类型，第一种就是艺术体育类进行的提前批招生。第二种就是国家特殊计划或
...[详细]
-
第十九届中国科技期刊发展论坛作为第二十六届中国科协年会北京学术周的重要组成部分，将于9日在北京举办，活动以“平台支撑、集约发展——让更多一流期刊脱颖而出”为主题，与会嘉宾将深入探讨如何优化期刊运
...[详细]
-
亚马尔庆祝进球。 根治欧洲杯催眠噩梦，舍西班牙其谁！ 欧洲杯半决赛首场交锋，继上轮打出本届最精彩比赛之后，再接再厉的斗牛士继续既有结果，更有场面。峰回路转的比赛前半小时不但悬念拉满，更让一直秉持团
...[详细]
-
12月1日消息，据悉，在11月29日于郑州比亚迪赛车场举行的“腾势之夜”活动上，腾势D9完成了第30万辆车的交付，车主为“九球天后”潘晓婷。此次活动在线上有超过40万名“势友”观看。据了解，腾势D9此
...[详细]
-
当地时间7月9日，也门胡塞武装发言人叶海亚·萨雷亚发表声明，称该武装当天袭击了阿拉伯海上的船只“Maersk Sentosa”号和“Marthopolis”号，以及亚丁湾上的船只“MSC P
...[详细]
-
光子嫩肤 会让皮肤变薄？2024-07-09 11:18:00 来源：北京青年报 作者：邵婉云
...[详细]
-
每经记者 陈浩 每经编辑 梁枭 今年以来，黄金价格持续上涨，创出历史新高，但中国“珠宝大王”周大福HK01929，股价8.18港元，市值817亿港元）却有些卖不动了。 今年6月，周大福发布了2
...[详细]
-
断崖式衰老！不露面不知道，一露面吓一跳，这些女明星突然就老了
娱乐圈里那些曾经美得让人移不开眼的女明星们，如今再看已经大变样。前几天刷到霍思燕的近照，说实话真认不出来了，那个当年演紫儿的清纯姑娘哪去了？脸上的皱纹、松弛的皮肤、发福的身材，好像一夜之间就老了十岁。
...[详细]
-
他助推了中国铁路6次提速却在大学入学才第一次坐火车一趟“囧途”让他不断设问和探索火车能不能跑得更快些？能不能坐得更舒适些？近日，京广高铁全线按时速350公里高标运营坐着复兴号“贴地飞行” 是什么感觉？
...[详细]
