多家大模型测不出9.11和9.9哪个大

2024-07-18内容来源第一财经

在当今这个数字化、智能化的时代，人工智能（AI）大模型的应用已经渗透到了我们生活的方方面面。从智能语音助手到自动翻译软件，再到复杂的数据分析和预测，AI大模型正以其独特的优势改变着我们的工作和生活方式。然而，近期一道看似简单的小学生数学题，却难倒了一众海内外知名的AI大模型，这不禁让人对AI的数学能力产生了疑问。

这道题目要求比较两个小数的大小：9.11和9.9，哪个更大？对于人类来说，这是一个再简单不过的数学问题，只需要一眼就能看出答案。然而，当这个问题被抛给12个不同的AI大模型时，结果却令人大跌眼镜。阿里通义千问、百度文心一言、Minimax和腾讯元宝这四个大模型正确地回答了问题，但剩下的8个大模型（ChatGPT-4o、字节豆包、月之暗面kimi、智谱清言、零一万物万知、阶跃星辰跃问、百川智能百小应、商汤商量）却纷纷给出了错误的答案。

大部分大模型在问答中都错误地比较了小数点后的数字，认为9.11大于9.9，考虑到数字涉及的语境问题，记者将其限定为在数学语境下，如ChatGPT这样的大模型也照样答错。

在这背后，大模型数学能力较差是长期存在的问题，有行业人士认为，生成式的语言模型从设计上就更像文科生而不是理科生。不过，针对性地语料训练或许能在未来逐步提升模型的理科能力。