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，育老四川某某设备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！育老四川某某设备制造厂”
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：时尚)
赛程来了！看郑钦文WTA500东京站首秀
祝贺！南京大学校友毛广照教授任爱丁堡大学工学院院长-
日前，2025款坦克300参数丨图片）新能源Hi4-T 36.7kWh正式上市，售价和现款车型保持不变，官方指导价为24.98万元。新车作为新增车型，主要针对电动机性能和电池进行了升级。外观方面，新车
...[详细]
-
新京报讯 据中国民航局消息，2024年10月27日至2025年3月29日，全国民航将开始执行2024/25年冬春航季航班计划，目前航班换季工作已准备就绪。2024/25年冬春航季，共有194家国内
...[详细]
-
【地质地理】当地理遇上 “荷包蛋”！高考地理之如何看懂地质图
“到底是先有鸡还是先有蛋？”这个历史之问你知道答案吗？你绝对无法想象贵州一神秘山洞“傩仙洞”内居然有一个“荷包蛋”还被CCTV报道过！！！“荷包蛋”洋山河五奇之一下面带大家认识认识世界上绝无仅有的“荷
...[详细]
-
以色列国防军26日宣称，当地时间25日夜间至26日凌晨，以军空袭了位于黎巴嫩贝鲁特南郊的黎真主党武器制造基地、情报总部的指挥所和观察哨所。以军同一天还发布了一段地面部队行动的视频，宣称在黎巴嫩南部
...[详细]
-
还没来得及细品秋天的味道，一股强冷空气杀到，直接将夜晚最低气温“砍”成个位数。据媒体报道，连续的低温大概率让北京“一键入冬”。这种剧烈的温度波动，正悄悄给心脑血管埋雷。中医认为“寒主收引”“寒凝血瘀”
...[详细]
-
据报道，由于担心奥地利工厂生产过程中出现技术缺陷，可能导致部分饮料产品中含有金属碎片，可口可乐公司近日决定自愿召回部分产品。当地时间10月24日，维也纳市场管理局发言人亚历山大·亨格尔表示，这是该国至
...[详细]
-
“双十一”来了｜首批囤旅游的人已出发，降温后秋冬季老年游升温
今年“双十一”提前启动，截至目前，部分在线旅游平台的第一轮战绩已出炉。飞猪10月25日透露，今年“双十一”旅游商品的预约使用进度大幅提前，开售24小时，已售商品中已预约了具体出行日期的商品数量较去年增
...[详细]
-
10月25日，东莞市大岭山森林公园发布《关于禁止到公园未开发未开放区域开展户外活动的通告》，严禁组织旅游团前往森林公园未开发、未对社会开放的“网红”区域开展旅游活动。 东莞市大岭山森林公园属于自然公
...[详细]
-
“再有一年孩子小学都要毕业了，可学校的操场还没建好。”近日，荥阳市龙港路小学的多位家长忧心忡忡地向本报反映了学校操场建设滞后的问题。孩子的成长离不开良好的学习与活动环境，操场作为校园内重要的活动空间，
...[详细]
-
记者从近日召开的全国公安机关打击盗抢骗犯罪工作现场会上获悉，今年以来，全国公安机关重拳出击、多措并举，始终保持对盗抢骗等多发性犯罪的高压震慑态势，取得明显成效。 会议指出，针对当前打击盗抢骗犯罪
...[详细]
