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，育老开封市某某金属制品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！育老开封市某某金属制品维修站”
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：综合)
郑钦文1
美国费城一栋房屋发生火灾 致2人死亡
支持无图NOA 全新魏牌蓝山上市29.98万元起
印度安得拉邦一制药厂发生爆炸 已致17死41伤
中新真探：糖尿病都是吃糖太多导致的吗？-
来源：中国新闻周刊 以后遇到喜欢卖弄的人，或许不能再用“你咋不上天”怼回去了。 因为普通人也能上天了。 就在双十一大促如火如荼之际，一家来自中国的商业航天公司——深蓝航天，通过直播预售了两张
...[详细]
-
当地时间8月23日，冰岛国家警察局长已决定将公共安全级别从紧急级别调整为危险级别。在公共安全级别降低后，冰岛旅游胜地“蓝湖”将恢复运营。 冰岛气象局部门负责人兼地球物理学家克里斯汀·琼斯多蒂尔表
...[详细]
-
来源：汤勇晓语本文共1800字，阅读约需5分钟请关注并星标“当代教育家传媒”永不失联系又是一年开学季。相信一些学校和家庭，不少老师和家长为准备“开学礼”又已经开始挖空心思，绞尽脑汁，并忙得不亦乐乎。这
...[详细]
-
山东是人口大省、教育大省，义务教育招生入学牵动着广大百姓的心。近年来，山东逐步探索报名入学“一网通办”，让学生家长享受数字赋能带来的“零跑腿”“少证明”甚至“零证明”便民服务成果。眼下，正是义务教育阶
...[详细]
-
来源：新华网这是11月13日在中国航展上进行的地面装备动态演示。 当日，在珠海举行的第十五届中国国际航空航天博览会上，中国兵器工业集团等企业为观众带来地面装备动态演示。 新华社记者 梁旭 摄
...[详细]
-
8月25日，宁夏多地发布暴雨橙色、红色预警： 吴忠市盐池县气象台8月25日2时9分发布暴雨红色预警信号：预计未来3小时，盐池县高沙窝镇仍有50毫米以上降水。 石嘴山市平罗县气象台8月25日2时
...[详细]
-
△当地时间8月21日，加沙地带 总台记者22日获悉，据以色列官员称，由以色列情报和特勤局摩萨德）负责人率领的谈判代表团已动身前往埃及首都开罗，将就加沙地带停火和交换被扣押人员等继续开展谈判。总台记者
...[详细]
-
雏鹰护航禁毒行 共圆少年英雄梦近日，德清县“禁毒小天使”法治研学团夏令营正式开营，来自德清县各中小学的21名“禁毒小天使”参加了此次夏令营活动。此项活动由省莫干山女子强制隔离戒毒所、德清县公安局、德
...[详细]
-
01今日长难句In the idealized version of how science is done, facts about the world are waiting to be obse
...[详细]
-
当地时间8月22日，俄罗斯克拉斯诺达尔边疆区行动指挥部确认，“高加索”港口遭袭击的渡轮已经沉没，目前港口区域没有起火点。 俄罗斯交通部表示，“高加索”港口的局势在紧急情况和执法部门的控制之中，港
...[详细]
