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,育老大庆市某某机电设备售后客服中心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!育老大庆市某某机电设备售后客服中心”
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:娱乐)
-
传音 Tecno、积核联名推出全球最小水冷游戏迷你主机 MEGAMINI G1
IT之家 9 月 4 日消息,传音旗下 TECNO 品牌与积核 GEEKOM 联名的“全球最小水冷游戏迷你主机”MEGAMINI G1 已于北京时间昨日正式推出,现正在海外 Kickstarter 平 ...[详细]
-
美国海军当地时间8月30日发表声明,宣布解除美国海军“约翰·麦凯恩”号导弹驱逐舰舰长卡梅伦·亚斯特的职务,原因是对亚斯特的指挥能力“失去信心”。亚斯特从2023年10月起担任这一职务。 声明称, ...[详细]
-
新京报讯 据国防部网消息,8月29日下午,国防部举行例行记者会,国防部新闻局局长、国防部新闻发言人吴谦大校答记者问。 记者:据报道,美国总统拜登今年3月批准了一项高度机密的核战略计划,该战略在中 ...[详细]
-
中新真探:夏天天气炎热,就没有失温风险?2024-08-30 11:45:13 来源:中国新闻网 作者:黄钰 ...[详细]
-
来源:财联社 财联社9月5日讯编辑 夏军雄)当地时间周四9月5日),俄罗斯总统普京表示,他已准备好与乌克兰谈判,但谈判必须基于俄乌双方谈判代表于2022年达成但未能落实的一份协议。 普京周四出 ...[详细]
-
曼联0比3利物浦!一样是荷兰光头,带队的差距怎么就这么大呢?
记者寒冰报道英超新赛季首场双红会,是8月初北美友谊赛后,两位荷兰光头教练滕哈赫与斯洛特在英超正式舞台的再度相逢,但这一次滕哈赫的答卷,依旧是惨淡的0比3。比赛过程和结果,利物浦新帅斯洛特更像执教第三个 ...[详细]
-
总台记者当地时间8月31日获悉,美国密西西比州维克斯堡以东于当日凌晨发生一起巴士翻车事故,造成7人死亡、数人受伤。总台记者 赵淼) ...[详细]
-
据巴勒斯坦卫生部门当地时间8月29日消息,以色列在约旦河西岸杰宁和图巴斯的行动已导致11人死亡,另有20余人受伤。自去年10月7日新一轮巴以冲突爆发以来,约旦河西岸已有663人死亡、约5600人受 ...[详细]
-
“路虎女司机逆行打人”为何不构成寻衅滋事和肇事逃逸?专家解读
原标题:“路虎女司机逆行打人”为何不构成寻衅滋事和肇事逃逸?专家解读) 潇湘晨报消息,9月3日,青岛市公安局就“王某驾车逆行辱骂殴打他人”事件发布情况通报:延伸阅 ...[详细]
-
安徽一家长反映中学食堂伙食差,4人吃1盆菜,学生饿得买空超市
中小学生正处于身体发育的关键阶段,除了要好好学习以外,家长更在乎孩子的身心健康。民以食为天,要是吃不好睡不好,后果不堪设想。学生在长身体的阶段,还要面临繁重的课业负担,身体需要更多的营养。体育课活动量 ...[详细]