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，育老南宁市某某车业制造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！育老南宁市某某车业制造厂”
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：休闲)
一大学生两次错过考研网上确认，网友一语中的：别给自己找借口了
黎巴嫩真主党声明证实领导人纳斯鲁拉已被杀害
美联储宣布降息25个基点-
关于做好2025年普通高等学校招生艺术类专业全省统一考试工作的通知各市州）教育考试院，有关普通高等学校：根据教育部和省教育厅有关文件规定，我省2025年组织普通高等学校艺术类专业能力的考试分为音乐类、
...[详细]
-
对于出现莫名的手脚麻木、无力或疼痛，相信不少人第一反应是颈椎病犯了。其实不然，如果同时伴有口干、眼干、牙齿易碎等症状，医生建议应及时到医院风湿免疫科就诊。手麻脚麻和风湿病有啥关系？今天，医生就来为大家
...[详细]
-
当地时间9月30日，美联储主席鲍威尔在田纳西州纳什维尔举行的美国全国商业经济协会年度会议上发表讲话。在讲话中他表示，最近降息50个基点的政策不应被解读为未来举措将同样激进的迹象，事实上这表明下一步
...[详细]
-
@ swing_窝再没有哪个季节如一般绚烂它就像一位天赋满满的画家自北向南地游历而来挥动着风的画笔，蘸取大地的颜料将草木浸黄、枫叶染红积蓄的色彩一下子迸发出来轻瞥一眼便能将灵魂的阴霾洞穿扫去@ Mim
...[详细]
-
相信背新概念的课文，能够高考考130的，姑且就早点试一下，直接把新概念1~4的课文背完，怕就怕你相信背新概念的课文能考130，但是又没找到背新概念的方法，背一篇忘一篇，最后在背新概念这个执念里面反复地
...[详细]
-
9月正处于夏秋之交，昼夜温差较大，容易发生流感、肺炎支原体、呼吸道合胞病毒、百日咳等呼吸道传染病。学校又是人群密集场所，加大了流感等呼吸道传染病的发生风险。如何让孩子远离呼吸道传染病？为此，人民网采访
...[详细]
-
在之前的文章中，家长君曾说过“名校不仅意味着高学历，还有开阔的眼界和不一样的圈层”，这也是不少留学生拼命刷标化、充实履历，冲击名校的原因之一。最近哈佛新校长开学演讲刷屏全网，让我们看到了世界顶尖名校到
...[详细]
-
当地时间9月30日傍晚，以色列国防部长加兰特在与以色列北部边境社区市长的谈话中表示，“针对黎巴嫩真主党的下一阶段战争即将开始”，并称这将是“改变安全局势的重要因素”，为的是使北部居民返回家园。他补
...[详细]
-
当地时间11月7日，乌克兰总统泽连斯基在社交媒体发文称，当天他在匈牙利首都布达佩斯分别会见了英国首相斯塔默、摩尔多瓦总统桑杜、法国总统马克龙。 泽连斯基表示，会见英国首相斯塔默时，双方主要就对乌
...[详细]
-
【环球时报-环球网报道 记者 索炎琦】外交部发言人林剑主持9月30日例行记者会。会上有记者提问称：石破茂将于明日接任日本首相，组建新内阁。据报道，他预计将选择亲信、老将担任外相和防卫大臣的要职。媒
...[详细]
