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,育老陕西某某纸业维修站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!育老陕西某某纸业维修站”
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:知识)
-
英伟达重挫9.5%,市值抹去2789亿美元创美股之最,发生了什么?
9月3日周二,在美股长周末归来的9月份首个交易日,“惨烈”成为对其颇为贴切的形容词,“暴跌”又可以引述全天领跌的英伟达及背后一众芯片股。英伟达跳空低开2.8%,此后一路走低、收跌9.5%,股价下逼10 ...[详细]
-
北京时间5月23日晚,2024年法国网球公开赛的正赛签表揭晓。德约科维奇、辛纳、阿尔卡拉斯等强手悉数出战,争夺冠军奖杯。而极有可能在今年打完生涯最后一届法网的红土天王纳达尔,则在持外卡出战的情况下,首 ...[详细]
-
外地生考入清华后才知道,北京学生和外地生的区别,不是一星半点
高考的录取依据是省排名,因此各地区因为教育环境不同,最低录取分数也有较大的差距。相对来说,教育资源最发达的北京、上海录取分数线最低,这也成了最让外地考生意难平的地方。按理说,教育水平高的地方,学生应该 ...[详细]
-
@TuTouSuo™️*小红书账号:秃头研究所新传考研/秃头研究所Monsters*如果你觉得自己读论文太过于盲目,不知道从哪里开始;如果你也想要通过碎片化的时间来补充和拓展知识储备;如果你想要一份直 ...[详细]
-
原标题:以军称打死巴勒斯坦武装组织一名高级指挥官) ...[详细]
-
四年过去了,张近东的面容似乎没有什么变化。5月6日,张近东会见了美国某家电巨头,照片在几天之后被公布在了苏宁的官网上。在“隐身”了将近三年后,张近东似乎在用一张一张静态的图片,来宣告自己动态的回归。与 ...[详细]
-
@人民日报体育 5月22日消息,2024泛美巴黎奥运会单打资格赛,曾之颖4比0科尔德罗,代表智利获得了奥运会入场券!现年58岁的曾之颖来自中国。她9岁开始打乒乓球。1989年前往智利,最近几年才开始恢 ...[详细]
-
创作的内容被“搬运” 旅游博主停更三年2024-05-22 10:42:24 来源:扬子晚报 作者:于晓 ...[详细]
-
出品|虎嗅黄青春频道作者|商业消费主笔黄青春题图|《赌神》剧照抖音在电商版图的行军路线正加速向货架挺进。虎嗅获悉,近期抖音电商与永辉超市达成战略合作,计划入驻永辉百余家门店,旨在快速覆盖线下高净值零售 ...[详细]
-
法国当地时间5月20日,戛纳电影节主竞赛单元入围影片《飞黄腾达》The Apprentice)终于和观众见面,随后迅速成为媒体焦点。《飞黄腾达》由曾执导《圣蛛》《边境》等片的伊朗导演阿里·阿巴西Ali ...[详细]