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，育老广安市某某食品机械业务部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！育老广安市某某食品机械业务部”
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：探索)
事实证明：有激光雷达的新势力，智驾干不过靠摄像头的特斯拉
金鸡奖最佳剪辑：周肖林、申奥《孤注一掷》
祝贺！郭晶晶、陈若琳领取国际游泳名人堂奖杯-
7月29日，外交部发言人郭嘉昆主持例行记者会。总台央视记者提问：据报道，菲律宾总统马科斯访美期间，双方宣布将开展军事合作，重申《美菲共同防御条约》适用于南海。马科斯称，菲军推动现代化建设就是对南海
...[详细]
-
当地时间15日，联合国人道主义事务协调厅发言人延斯·莱尔克表示，加沙地带的人道主义援助行动正处于低谷，混乱、痛苦、绝望、死亡、破坏和流离失所者人数达到了高点。 延斯·莱尔克对加沙地带北部局势表示
...[详细]
-
△联黎部队资料图） 当地时间11月15日，联合国驻黎巴嫩临时部队联黎部队）发布消息称，当天下午一枚155毫米口径炮弹击中位于黎巴嫩南部沙玛村的联黎部队西区总部。炮弹并未爆炸，维和人员无人受伤。事发时
...[详细]
-
今天，教育部、人力资源社会保障部联合召开工作会，部署做好2025届高校毕业生就业创业工作。据统计，2025届全国普通高校毕业生规模预计达1222万人，同比增加43万人。 教育部部署各地各高校实施
...[详细]
-
7月31日，中国海警位中国黄岩岛领海及周边区域开展执法巡查。7月以来，中国海警持续加强黄岩岛领海及周边区域执法巡查，依法依规开展跟踪监视、喊话警告、拦阻驱离，进一步强化有关海域管控力度，坚决维护国
...[详细]
-
11月16日，第37届中国电影金鸡奖颁奖典礼在厦门海峡大剧院举行。电影《奥本海默》美国）击败了《母亲的直觉》卢森堡）、《挑战》俄罗斯）等其余四部影片，摘得最佳外语片奖。 评选委员会认为该片“彰显
...[详细]
-
新消费日报 11月16日讯，今日新消费日报的主要内容有：九号公司就低价电动车无法核销发说明；李子柒复出 微念直播间销量下滑；多家航空公司发布10月旅客周转量数据。行业要闻茉莉奶白就联名活动中相关问题致
...[详细]
-
你有没有发现，很多小学的学霸，一到初中，成绩就不那么亮眼了？不管是你亲朋的孩子，还是你自己身边的同学，总会有这么一个例子：小学时候是班级的顶梁柱，一到初中就掉进了“学渣”的坑。更神奇的是，一些初中时成
...[详细]
-
泰国军方7月29日在社交媒体上说，泰国和柬埔寨边境所有地区已经停火。新华社）点击进入专题： 泰柬边境局势紧张
...[详细]
-
期中考试后，如何帮助孩子发现问题、解决问题？这些方法请收好→
期中考试结束后如何帮助孩子发现问题解决问题呢这些方法很有用和小编一起来了解期中考试结束，家长要有“三颗心”“荣辱不惊”的平常心平常心，就是既积极主动、尽力而为，又顺其自然、不苛求事事完美。 无需攀比，
...[详细]
