北京網(wǎng)友測試教育大模型9.9比9.11大 8大模型犯錯揭示短板

小大

用微信掃描二維碼
分享至好友和朋友圈

關鍵詞：

2024-07-19 08:05:47 海報新聞

北京網(wǎng)友測試教育大模型9.9比9.11大

近期，一個看似簡單的數(shù)學問題挑戰(zhàn)了眾多先進的人工智能大模型，引發(fā)了業(yè)界關注。問題本身并不復雜：9.11和9.9哪個數(shù)字更大？然而，在第一財經(jīng)進行的測試中，即便是部分知名大模型，如阿里通義千問、百度文心一言、Minimax及騰訊元寶，能夠給出正確答案，仍有包括ChatGPT-4o在內(nèi)的8個大模型給出了錯誤判斷，它們大多錯誤地對比了小數(shù)點后的數(shù)字。北京網(wǎng)友測試教育大模型9.9比9.11大！

這種情況暴露了大模型在處理數(shù)學問題時的局限性，盡管它們在文字處理和某些特定任務上表現(xiàn)出色，但數(shù)學能力卻顯得薄弱。部分行業(yè)專家指出，這可能源于大模型的設計更偏向于模擬人類的語言思維模式，而非邏輯嚴謹?shù)臄?shù)字處理方式。生成式語言模型在學習過程中更多地掌握了語言的關聯(lián)性，而非數(shù)學所需的因果邏輯和嚴謹推理。

此次事件起因于一檔綜藝節(jié)目中的投票率比較，進而引發(fā)了公眾對AI數(shù)學能力的討論。測試顯示，即便是在明確了數(shù)學語境的前提下，一些大模型依然未能正確解答。有趣的是，當記者對錯誤答案提出質(zhì)疑后，多數(shù)大模型能自我糾正，承認之前的失誤并給出正確答案，顯示出一定的自我調(diào)整能力。

長期以來，大模型在數(shù)學處理上的不足已不是新鮮事。即便是最先進的模型，如GPT-4，在面對高考級別的數(shù)學試題時也表現(xiàn)不佳，顯示出在數(shù)學邏輯和復雜推理上的缺陷。這不僅僅是數(shù)字識別或計算的問題，更是模型缺乏數(shù)學思維和靈活應用公式的能力體現(xiàn)。

為改善這一狀況，研究者們正探索通過針對性的語料訓練來提升大模型的理科能力，特別是加強其在數(shù)學推理上的訓練。未來，構造型數(shù)據(jù)的使用可能會成為關鍵，即通過系統(tǒng)地設計包含數(shù)學問題解決過程的數(shù)據(jù)來引導模型學習，而非僅僅依賴互聯(lián)網(wǎng)上的既有文本數(shù)據(jù)。這對于推動大模型在金融、工業(yè)等高要求領域的應用至關重要，因為在這些場景下，數(shù)學的準確性和邏輯推理的可靠性是不可或缺的。

(責任編輯：盧其龍 CN070)

關閉

北京網(wǎng)友測試教育大模型9.9比9.11大 8大模型犯錯揭示短板

相關新聞

今日熱點

頻道熱點