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，育老安顺市某某商务咨询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！育老安顺市某某商务咨询客服中心”
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？
延伸阅读 (责任编辑：热门资讯)
医学科普如何“说人话”？四位医生大V分享破圈之道
网传小鹏全新车型将放弃激光雷达 采用纯视觉智驾方案
北京新房竣工验收前需由业主查验 7月1日起施行
《梦想城》出圈理由：杨烁的演技，蒋欣的脸，克拉拉的身材
“一身白”越来越流行，冬天这样穿太高级了！-
人民日报健康客户端记者 张炳钰）12月2日，北京市最高气温降至冰点，人们的讨论多聚焦在“冷”字上，“才知道原来100%纯棉不是棉”话题登上热搜。纯棉的四种叫法乍看之下，“100%”和“纯”字同时出现，
...[详细]
-
#一句话形容夏日生活#对于女生来说，每个月总有那么几天痛不欲生！这个时候要是再选择一些不透气的卫生巾，那简直太惨了...卫生巾的挑选真的马虎不得，毕竟是要直接接触我们的私密部位。如果挑选的不到位，不仅
...[详细]
-
周雨彤的松弛感，还是得配上一双运动鞋才到位！作为内娱“掌管sportchic的神”，周雨彤在选运动鞋方面还真有点东西。不论是时髦精人手一双的复古运动鞋Samba还是兼具城市gropcore style
...[详细]
-
即便没有天生的优势，只要通过不断的尝试与穿搭打扮的学习，相信大家都可以越走越上道，甚至能达到惊人的效果。今天不如就跟着S姐一起学点毫不费力，却又能速速吸引人目光的大招！01.一整套的装扮，绝对亮眼想必
...[详细]
-
据新华社援引法国总统府10日消息，法国总统马克龙、英国首相斯塔默和德国总理默茨当日与美国总统特朗普就乌克兰问题通话，以寻求推动进展。 法国总统府表示，通话持续约40分钟，各方“讨论了美国主导斡旋
...[详细]
-
2024 Summer & White Link Fashion白色是时代贮存的光，我们比任何时候都需要白色照亮。柔软的云朵白，明亮的日光白，纯净的雪
...[详细]
-
虽说女性拥有足够的穿衣自由，她们在任何的年龄阶段都有权利去选择各种自己喜欢的单品。但是，穿衣有好看与否的区别，真正懂得穿搭的女性，她们会根据自己的身材特点、年龄特征等因素进行服装的挑选。到了半百的年纪
...[详细]
-
对于我们亚洲女性来说，皮肤不够白是夏日里的忧虑。每次遇到「白月光女孩」，她们都好似在发光，让人移不开眼。而对于皮肤暗沉的黄、黑皮女孩，S姐想说：不必焦虑，相比皮肤白，好气色更值得追求✨。通过日常的穿搭
...[详细]
-
观点网讯：近日，城家正式签约北京朝阳大悦城瑞贝庭公寓酒店与北京通州瑞贝庭公寓酒店，两项目均为在营酒店翻牌，分别位于朝阳文创腹地及通州副中心商圈，标志着其存量改造业务在一线城市再下一城。根据公开资料整理
...[详细]
-
这一期的赫本时间，想要写一写她的印花裙，作为夏季最有吸引力的裙装之一，印花裙可以说是女人一生的吸引力源泉，毕竟女人爱花是本能。而在赫本所有的印花裙里面，她只穿两种印花，一个是富有多情韵味的普通花瓣印花
...[详细]
