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，育老安庆市某某母婴用品厂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！育老安庆市某某母婴用品厂”
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：热点)
辟谣！穿聚酯纤维衣服不等于穿了一身塑料瓶
敞篷只需20秒 AMG CLE 53敞篷版官图发布
7月海外上市 雷诺SYMBIOZ正式亮相
南水北调东线工程年度冰期输水启动-
△乌梅罗夫资料图） 乌克兰国家安全与国防委员会秘书乌梅罗夫当地时间19日表示，当天他将与乌克兰武装部队总参谋长格纳托夫一起，在美国与美方展开新一轮磋商。 有消息人士称，法国、英国和德国的代表也将参
...[详细]
-
还记得《舞出我人生》吗？一个来自社会底层的反叛青年泰勒，一位就读于贵族艺校的芭蕾天之娇女诺拉。两个看似毫不相干的人，因为一次巧合连结在一起，通过舞蹈追寻自己的梦想和自我价值。这一从始至终始都以“舞蹈”
...[详细]
-
学习知识是每一个学生的必修课。那么在学习中，应该做些什么来保护眼睛？国家疾控局提醒可以关注以下几点。一是用眼姿势须端正，视线向下防仰视。无论是看书、写字还是使用电子产品，都应保持正确的用眼姿势。眼睛与
...[详细]
-
5月12日，北京人艺两部年度新创大戏《永定门里》《悭吝人》刚刚结束首轮演出。13日，新排小剧场作品《进入黑夜的漫长旅程》便接续发布。媒体见面会上，北京人民艺术剧院院长、本剧艺术指导冯远征，导演张彤、演
...[详细]
-
△委内瑞拉外交部长希尔 当地时间12月22日，委内瑞拉外交部长希尔在首都加拉加斯通过电视直播召开新闻发布会，宣读总统马杜罗签署的公报。 公报称，美国长期对委内瑞拉施行单边制裁，是对整个地区的伤害和
...[详细]
-
野生动物园20只东北虎死亡 安徽阜阳颍东林业局：多部门正联合调查
奔流新闻讯记者徐静雯）安徽阜阳野生动物园20只东北虎死亡？5月13日，奔流新闻从安徽省阜阳市颍东区林业局获悉，针对媒体报道的阜阳野生动物园野生动物死亡事件，已联合多部门调查核实。据《中国慈善家》杂志记
...[详细]
-
5月12日，北京人艺两部年度新创大戏《永定门里》《悭吝人》刚刚结束首轮演出。13日，新排小剧场作品《进入黑夜的漫长旅程》便接续发布。媒体见面会上，北京人民艺术剧院院长、本剧艺术指导冯远征，导演张彤、演
...[详细]
-
作者：北京儿童医院白血病科团队白血病又称“血癌”，是一种造血系统恶性肿瘤性疾病，是发病率最高的儿童恶性肿瘤。长期以来，因其治疗难度大被认为是不治之症。事实上，随着医学进步，儿童白血病的治愈率明显提高。
...[详细]
-
△俄罗斯央行资料图） 当地时间19日，俄罗斯央行宣布，下调基准利率至16%。总台记者 王斌）
...[详细]
-
日前，车质网从法拉利官方获悉，旗下全新跑车——法拉利12Cilindri迎来首发亮相。本次新车同步发布硬顶版与敞篷版本，融合了集成式主动空气动力学装置，并搭载全新升级的6.5L V12自然吸气发动机，
...[详细]
