| 发布日期：2024-07-22 05:41 点击次数：102 |
出品｜科技《作风》栏目做个app多少钱
作家｜宗淑贤
剪辑｜丁广胜
前几日，常常霸榜的综艺《歌手》又一次冲上了热搜。不外此次，话题的焦点无关“顺耳”“从邡”，而是从台上竞演的嘉宾逶迤到了台下商酌的网友身上。
13.8%和13.11%哪个大？
谁也莫得意想，这说念实质上源于小学四年龄数学内容的问题，竟然难倒了一众网友。
对此，有网友惊奇：“当前知说念天天在网上抬杠的齐是什么东说念主了吧？”也有网友无奈回怼：“确切不知说念谁大谁小，就去问问AI吧！”
可是，当你简直把这个问题抛给AI来解答，你会诧异地发现——AI也不会。
AI2的接头员林禹臣在推特上贴出了我方用GPT-4o尝试的成果。濒临13.11与13.8哪个大这一问题，GPT-4o觉得13.11大于13.8，并评释称：“诚然13.8看起来更大，因为它少许点后的数字更少，但13.11履行上更大。这是因为13.8越过于13.80，而13.80小于13.11。”
对此，林禹臣评长远：“学问对AI来说仍然很难。”“这种学问性的东说念主工智能失败案例让我不妄想起@YejinChoinka的TED 演讲：为什么东说念主工智能既忠良无比，又愚蠢独特。”
一、大模子的作答现场
带着这个问题，咱们对当下主流模子进行了浅显的测试。其中，通义千问、文心一言、360智脑、字节豆包、百小应、有说念小P和讯飞星火齐作出了正确的求教。不外在原因评释方面，讯飞星火略显失容，其余模子则齐是按照分开比拟整数和少许部分的念念路进行了较为详备的求教。
通义千问
文心一言
360智脑
字节豆包
百小应
有说念小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，它最初给出了13.11大于13.8的谜底：
经过进一步追问原因，kimi转而又作出了迥然相异的求教：
经过第三次追问，kimi终于意志到我方在此前的求教中存在演叨，对这一问题的谜底进行了修改创新：
反不雅ChatGPT，就显得不甚善于反念念：
经过两次反问，ChatGPT暗示我方对此前演叨的求教感到对不起，并承认13.8大于13.11。但当参议它能否评释原因时，它却给出了这么的求教：This is because the number 13.8 is read as \"thirteen point eight,\" which is larger than \"thirteen point eleven\".
二、大模子为什么会“数学不好”
求教不好小学生数学题，东说念主工智能大模子又一次被奉上了公论的风口浪尖。濒临现今高兴发展的各样大模子，东说念主们仍有疑虑：
这到底是东说念主工智能，仍是东说念主工智障？
履行上，做个app多少钱这一问题并不是最近才出现的，“数学不好”一直是各样大模子的短板。凭证上海东说念主工智能实验室旗下司南评测体系OpenCompass进行的高考全卷测试成果，包括GPT-4在内的七个大型东说念主工智能模子在高评语文和英语科观念测试中巨额发扬出色，可是在数学科目上则均未能达到合格线，最高分也仅达到了75分。
业内东说念主士将大模子“数学不好”的问题根源回首至LLM（大型谈话模子）的架构盘算本人。
LLM频繁依赖监督学习，独特是通过推测文本中下一个词的形态来检会。这一历程中，模子被投喂海量的文本数据集，学习并推测给定文本后下一个词出现的概率辞别。通过不休将模子的推测与履行文本进行对比和转念，谈话模子渐渐掌合手了谈话的内在法例，从而能够推测并生成连贯的文本。
app可是在LLM的框架内，存在使用Tokenizer这一要害局势。它崇拜将输入的文分内割成更小的单位（tokens），以便模子处理。问题在于，Tokenizer的盘算初志并非特意处事于数学处理，因此在处理包含数字的文本时，可能会将数字看作念文本字符串而非数值，从而进行不对理地拆分，导致数字的举座性和真理在模子里面被繁芜。
对此，360CEO周鸿祎以9.9和9.11为例，进行了更为平庸的评释：
“大模子全称叫大谈话模子，它最初处分的是对东说念主类当然谈话贯通的问题。是以大模子并莫得把9.9和9.11当成一个数字来看，而是把它们分红了两个token。莫得经过特意独特的提醒和检会，大模子是不懂阿拉伯数字也不懂数学的，是以大模子是按照一个笔墨的逻辑来进行比拟的。9前边是相同大的，那么11比9要大，是以就得出来9.11比9.9要大。”
除了架构盘算存在不及外，大模子“数学不好”约略还与它所禁受的检会形态关连。主流模子的检会主要源于互联网的文本数据，这类数据中数学问题和处分决策相对匮乏，也在一定进程上欺压了模子在此类手段上的发展。
因此，在各样大模子井喷式出生与发展的当前，也许咱们也应当反念念：AI该怎样进一步盘算与检会，武艺真实像东说念主类相同念念考？
