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，育老四川某某照明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！育老四川某某照明维修站”
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？
延伸阅读 (责任编辑：休闲)
男方刚买完婚房，第二天就和女方分手了，原来是积怨已久！
东方甄选“配不上”贵州旅游
伊朗代理外长同沙特外交大臣通话 讨论地区局势等
加大改革力度 确保人民群众从改革中获益
菅原由势：知道的中国球员是武磊；这场比赛不可能再是7-
碘是合成甲状腺激素的必需物质，而甲状腺激素在调节新陈代谢、促进胎儿大脑发育等方面起着重要的作用。孕妇如果缺碘，不仅会影响自身的健康，更可能导致流产、死产、新生儿智力低下等问题。由于地理环境和饮食习惯的
...[详细]
-
据菲律宾军方消息，6月26日，菲军方和叛军组织在新怡诗夏省发生交火，最初发现打死7名叛军。27日，随着进一步搜索，军方找到另外3具叛军的遗体，叛军组织死亡人数因此上升到10人。总台记者 黄铮铮）
...[详细]
-
十四届全国人大常委会第十次会议6月28日表决通过《中华人民共和国农村集体经济组织法》，自2025年5月1日起施行。 本法所称农村集体经济组织，是指以土地集体所有为基础，依法代表成员集体行使所有权
...[详细]
-
对于一个东亚小孩来说，从小被教导特别多的就是「听话」。父母经常会说：「你要听我们的，我们也是为你好。」似乎在传达一种充满恐惧的人生信条：不听大人的，你将来就会过得很惨。只有符合大人的心中所想，未来的人
...[详细]
-
原标题：未来“宇宙快递”如何送？国产航天飞机了解一下→） 天舟货运飞船，是世界现役货物运输能力最大、在轨支持能力最全面的货运飞船之一。未来，还会有更多的力量加入“
...[详细]
-
每经记者 赵李南 每经编辑 文多 6 月 26 日 ，庚 星 股 份SH600753，股价5.47元，市值12.60亿元）发布公告称，公司召开了第八届董事会第十九次会议，审议了《关于浙江海歆能源
...[详细]
-
据国防部消息，6月27日，中法两军在华举行防务战略磋商，双方就发展双边防务关系进行商讨，围绕共同关心的国际和地区安全问题深入交换意见，增进了彼此了解和互信。
...[详细]
-
来源：光明网 电影海报 随着各地陆续公布高考分数，志愿填报进入了关键期。光明网策划拍摄的正能量公益微短剧《寻AI高考》正式上线。 该片讲述了在高考志愿填报的重要时刻，一位父亲在炎炎夏日中不辞
...[详细]
-
11月18日，市民在石家庄市长安公园银杏林游玩。初冬时节石家庄市各大公园、广场内银杏树逐渐转黄漫步银杏树下宛如走进油画世界11月18日，市民在石家庄市长安公园银杏林打卡拍照。11月18日，市民在石家庄
...[详细]
-
黄冈职业技术学院举行舞蹈与幼儿舞蹈创编课程结业考核暨汇报演出
舞姿翩跹精彩纷呈6月27日晚，教育艺术学院在黄冈职院学术报告厅举行2022级《舞蹈与幼儿舞蹈创编》课程结业考核暨汇报演出活动。学校党委委员、副校长刘东山，黄冈市教育局教师管理科科长龚丹胜、黄冈电力职工
...[详细]
