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,育老哈尔滨市某某投资咨询经销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!育老哈尔滨市某某投资咨询经销部”
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)
(责任编辑:休闲)
-
近日,塞尔维亚与法国签署了多项合作协议,其中包括向法国购买12架“阵风”战斗机的合同。有媒体随即发布消息称,这笔交易涉及塞尔维亚拥有的俄制米格-29战斗机,塞尔维亚将向法国转让米格-29战斗机,这 ...[详细]
-
新京报讯记者王萍)8月30日,海淀区市场监督管理局公布信息,对2024年8月13日-2024年8月23日餐饮食品安全大检查工作的查处结果予以公布。包括杨国福麻辣烫、鱼你在一起、口福居、南城香等71家餐 ...[详细]
-
外交部发言人毛宁宣布: 应国务院总理李强邀请,西班牙首相桑切斯将于9月8日至11日对中国进行正式访问。 ...[详细]
-
泽连斯基称前线四个方向陷入苦战 资料图参考消息网9月1日报道据塔斯社莫斯科8月31日报道,乌克兰总统泽连斯基表示,在基辅控制的顿涅茨克地区和哈尔科夫州,乌军在前线四个方向陷入苦战。他8月31日晚在社交 ...[详细]
-
导语:在国内所有的AI技术服务商当中,商汤可以算是最特殊的一个。8月27日,港股上市的AI科技公司商汤科技00020.HK),发布了2024年中期业绩公告。财报显示,2024年上半年,公司总体收入为1 ...[详细]
-
来源 | 新闻坊 信息安全 关乎个人隐私甚至财产安全 一旦发生泄漏后果不堪设想 如今人们的日常生活早已无法离开手机,里面存储着的大量个人通讯信息、照片、消费数据等等,而这些信息竟被一些人瞄 ...[详细]
-
继瑞士卷、麻薯和烤鸡后山姆超市又诞生了一个网红爆款:弱碱性天然矿泉水爆火的原因是据说喝了能生儿子9月2日#矿泉水被传能生儿子被抢脱销#话题登上微博热搜第一在社交平台上这款矿泉水频频出现在#备孕攻略#、 ...[详细]
-
北京第三批公交专用道开放 9月30日起将再调整38条公交专用道使用时间
原标题:北京第三批公交专用道开放 9月30日起将再调整38条公交专用道使用时间) 昨天8月31日)是北京第三批公交专用道优化调整措施实施首日,除长安街等个别道路外 ...[详细]
-
视频!菲律宾9701号船故意冲撞中国海警5205舰 来源:视频综合) 8月31日12时许,非法滞留中国仙宾礁的菲律宾9701号船寻衅肇事,位中国海警5205舰左舷,故意冲撞我舰,并发生碰撞。 ...[详细]
-
9月2日,外交部发言人毛宁主持例行记者会。乌通社记者提问,俄罗斯外交部副部长里亚布科夫昨日在接受塔斯社采访时表示,俄罗斯将修改其核政策,以应对西方在乌克兰冲突问题上的行动。您如何评价该声明?毛宁 资料 ...[详细]