本文转自：齐市快报APP开发业务

9.11大也曾9.9大？

互联网口语

为什么沿途小学数学题 难倒了大大宗AI？

记者 沈积慧

9.11和9.9哪个更大？沿途小学生齐会的数学题，却难倒了一众AI大模子。昨天，“大模子测不出9.11和9.9哪个大”还登上了微博热搜。

这个难倒大大宗AI大模子的数学题，其实来自于最近热播的《歌手》。

7月13日，在最新一期《歌手》公布的名次中，国内歌手孙楠与番邦歌手香缇莫的得票率分辩是13.8%和13.11%。这个得票数统计激发了一些网友对名次的质疑。

有网友认为13.11%大于13.8%，因此，香缇莫的得票率比孙楠高。

随后，对于13.8%和13.11%大小比拟，一度成了收罗上的热点话题。那时也有网友提倡，“确凿不能问问AI”。

道理道理的是，这说念题AI大模子也不太会。有媒体记者测试了12个国表里主流大模子，其中，一半模子答错了，认为9.11大于9.9。橙柿互动记者们也意思地发问了几家AI大模子。后果发现，有不少AI模子回复是错的，还有一些AI在答题时不太雄厚。

比如昨天下昼，当我的两位共事向kimi提倡这个问题时，其中一位共事的kimi谜底时对时错，且响应“冷淡”。而另外一位共事的kimi例如分析得十分在理，直不雅且很好领会。相通的问题量度了通义千问、文心一言、讯飞星火等AI模子，大部分AI回复正确并给出了详备的答题过程。

为什么沿途小学数学题难倒了部分AI大模子？

昨天上昼，通义实验室居品司理王晓明看到这则热搜和网友们的驳倒，第一响应是并不合计奇怪，更像是网友玩的一个“花活”。王晓明说，大言语模子诚然在言语和文本类型的任务里能卓越东说念主类普通平均水平，但对于数学、物理这种强调逻辑性的任务短板比拟较着。

也便是说，刻下的大模子其实更像一个文科生。

“简短来说，APP开发资讯大模子不会把这个问题像东说念主类一样，算作一个比大小的题目。”

王晓明说，大模子的践诺是通过指示词，也便是提的问题，对下一个词进行忖度，而不是作念算术策划。这个跟平时的试验数据和大模子确立关系。

是以在料理“9.11和9.9哪个更大”这么的对话场景时，大模子不像东说念主类，不会自然地把这个问题视作算数比大小的题目，可能会把这当成日历“9月11日”，拿9.11里面的11和9.9里面的9作念对比。“在这种情况下，它就会认为11比9更大。这是由大模子料理的经过或机制决定的。有些大模子对指示识别得更好，答对概率就比拟高。咱们里面测试发现，通义绝大部分情况能答对。”

还有不少网友发现，退换指示词的端正，大模子给出的谜底准确率也不一致。比如把指示词从“9.11和9.9谁更大”换成“哪个更大：9.11和9.9”，前一种情况真的扫地以尽，尔后一种情况大部分大模子齐能答对。

在王晓明看来，这是因为大大宗模子对于后一句指示词能更快更准确地领会这是一个比大小的问题，而不是比日历疏忽其他数字场景，这么忖度的概率就会大大擢升。

“另外，这跟模子自己预置的数理逻辑、试验数据以及确立齐关系系。第二种情况下，更接近于模子之前试验阶段遭受的场景，是以答对的概率比拟高。”

王晓明说，使用大模子特别于一个调教的过程。诚然忖度自己带有立时性APP开发业务，存在成效的概率，也有失败的概率。但大模子凭据他的回复及你的改换去生成一个新的回复，改换的过程会作为下一轮的输入。