一道小學生難度的數學題難倒了一眾海內外AI大模型。
問題是：“9.11和9.9哪個更大?”就此問題，記者測試了12個大模型，結果顯示阿里通義千問、百度文心一言、Minimax和騰訊元寶答對了，但ChatGPT-4.0、字節(jié)豆包、月之暗面kimi、智譜清言、零一萬物萬知、階躍星辰躍問、百川智能百小應、商湯商量都答錯了。每個錯誤的原因都各有不同。
大部分大模型在問答過程中錯誤地比較了小數點后的數字，認為9.11大于9.9。考慮到數字涉及的語境問題，記者將其限定為數學語境下，但像ChatGPT這樣的高級模型也依然答錯。
這反映出大模型在數學能力上的不足，這是一個長期存在的問題。有行業(yè)人士認為，生成式語言模型從設計上更偏向文字思維而非數字思維。然而，針對性的語料訓練或許能在未來逐步提升模型的理科能力。
浙公網安備 33010502007447號