翻车了！9.11和9.9哪个大？记者实测12个大模型8个都答错

文章预览

2024.07. 17 本文字数：3528，阅读时长大约6分钟 导读 ：“文科生”数学差，数学能力一直是大语言模型的短板。 作者 | 第一财经 刘晓洁 一道小学生难度的数学题难倒了一众海内外AI大模型。 9.11和9.9哪个更大？就此问题，第一财经记者测试了12个大模型，其中阿里通义千问、百度文心一言、Minimax和腾讯元宝答对，但ChatGPT-4o、字节豆包、月之暗面kimi、智谱清言、零一万物万知、阶跃星辰跃问、百川智能百小应、商汤商量都答错了，错法各有不同。 大部分大模型在问答中都错误地比较了小数点后的数字，认为9.11大于9.9，考虑到数字涉及的语境问题，记者将其限定为在数学语境下，如ChatGPT这样的大模型也照样答错。 在这背后，大模型数学能力较差是长期存在的问题，有行业人士认为，生成式的语言模型从设计上就更像文科生而不是理科生。不过， ………………………………