文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

6 E, x( m0 B1 P. }$ |$ _国内的大模型还在路上，需要给他们成长的时间。
6 D% C$ e( V1 q9 @# O4 u来源|多知网
作者 |王上
图片来源 | 言之画
比尔 · 盖茨上周二在圣地亚哥举行的 ASU+GSV 峰会上发表主旨演讲时表示："AI 聊天机器人将 18 个月内，可以做到教孩子阅读，辅导家庭作业。"
今年 3 月和 4 月，百度和阿里巴巴分别推出了自己的大模型。目前来看，百度的文心一言和阿里的通义千问均可以多轮对话、文本创作等。
未来，大模型将会朝着多模态 ( 文本、图像、视频、音频等 ) 继续发展，也将越来越逼近人类的智慧。
* n, O) ]% |* f0 i' t在不少专家学者看来，如果大模型足够成熟，将改变教育体系的核心要素，包括教育目标、知识获取方式等。所以，这波 AI 技术的爆发非常值得教育领域关注。
) M4 ~! ^" M2 m. Y6 d那么现在，各家的大模型进展到什么程度了？是否可以在学习或者教育领域直接利用呢？我们让百度的文心一言和阿里的通义千问 PK 了一下。
我们让文心一言和通义千问在高中英语翻译、初中数学题目、高中中文写作、代码生成、青少年心理辅导方向各出了一道题目，双方针对所有问题各自回答一遍，这样就总共是 10 道题目。
* C1 Q4 T, t6 g* y  `通过评测，我们看到了大模型在学习或教育类的问题上暂未成熟，尤其是数学这样要求精准的科目上，仍然需要继续训练。不过，我们依然看好大模型的未来，他们在教育领域的应用也是必然。
. T. B' }# A& \) O; o. b- S! I4 A01
2 ]7 H$ @; h  A; [ " 作为出卷人 "：题目正常、不算偏怪难

- Q6 @6 W; U9 \万万没想到，在出题上双方就迥然不同。以下是双方给出的题目：

2 c3 M% l" }! J$ e* o' a! }
! r5 E0 s$ @% H4 ?


, o' \7 h/ W2 R  K点评：文心一言每道给出了 A、B 两套题，通义千问按要求给出了 5 道题。我们给了文心一言两次机会，它依然出了 "A、B 卷 "，有些看不懂 [ 挠头 ] ……我们最后从每道题中选择了一道题，除了第 4 题外，其他题目都选择了 A 题目。
对于这 5 道题目，通义千问看起来更灵活，也更有针对性，更像一个 " 出卷人 "。比如，第 3 题，出一道作文题目，跟通义千问的题目就非常像高考热门命题方向，是跟科技与人文相关的。从出题难度上来看，双方出的都比较偏简单。比如翻译题目，双方出的题目看起来都不像高中的英语题目。
来看他们下面的作答情况——
4 y: X( p# q" ~% [: _4 f% E02
# }6 B& [) L1 T翻译题目
第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：



* r5 A7 a% H  _( G# b0 U

点评：这个题目两个都翻译的大同小异，通义千问的会更具体。可能因为题目是文心一言出的，所以它直接翻译成了汉语。而通义千问会问是 " 翻译成哪门语言 "，考虑得更周到一些。
来看通义千问出的这道翻译题目：
( p; ], d$ X1 \5 Y: m7 \0 U

$ T7 |' Y" @4 w( R

" Z7 E- F  T- ]  r点评：文心一言翻译的是 " 请问我怎么读这个词？" ，通义千问翻译的是 " 你能告诉我这个词是什么意思吗？" 文心一言的翻译更准确一些。通义千问自己出的题却没有答好，有点匪夷所思。
要么跟通义千问换一个问法吧，回答如下：

$ j: y7 r( _: d* k( E# A; t/ \
, @; a) e  O! a% ?* X9 a
越来越离谱了。。
0 j4 e% Q- q' e

( Y9 W& d- z( q7 t6 @- d, [
) v8 ~3 d6 {" g0 `7 e
- x8 i7 K' m3 ^, @( y
3 V, }! n2 \3 i$ R2 _+ O  Y# u通义千问多轮对话的能力堪忧……
5 B, N6 E( ^) s! g8 {1 c* u; J03
数学题目
0 c7 x9 x" {3 X来看初中的数学题：
+ }( [( g6 ^4 k

% b( ?9 G5 L  r2 ?3 s% F: N8 s' u
1 A; |4 Y- ^2 A& x1 Z# R

点评：又一次匪夷所思，这次轮到文心一言出的题目自己也做错了。这道题目是分数相乘的结果，文心一言理解成了除法。即便理解成除法，最后也不应该等于 6。不知道这个结果怎么来的，迷之尴尬。通义千问理解对了，最后是 1/8，即 0.125，这是一个确定的值，不明白为什么最后它写的是 " 约等于 " 号，不知道是因为不自信，还是因为马虎写错了？
这次二者相同的地方在：都没有给出解题步骤，也没有给出解释。
通义千问出的初中数学题目：

( [/ d- V3 [! y" U' D1 I7 B
% x  a3 \+ P/ v9 O  \
  Q8 r0 h& A- J+ g
# X" X; F, {& Y6 ^! L3 Y
点评：让文心一言回答了两次，都是 x:9，y:0，文心一言可能连正三角形是什么都不知道。这个题目通义千问回答地非常清楚，给出了完整的解题过程，结果也是对的。
有点不死心，再次问了文心一言：



$ \5 E! `( j3 S" \: p9 H3 `我们发现，文心一言其实知道正三角形是什么，但是，它就是解不对题目，第三遍依然错误。
7 G* W) f: X0 ?. Z( U% n还是不甘心，继续跟文心一言对话，想着让它让画一个正三角形的图吧，如下：



' q1 u9 {2 a) M这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
写作题目
$ u5 X0 W+ ^8 U4 }来看文心一言出的写作题目，双方的作答情况：
5 K) ^9 p* }1 _& W7 m/ N  r! r
8 I1 C1 X8 P# h& Q

2 @; `, p0 F$ r
+ V4 q/ V* ]4 L) n; G! s( `" x
4 O( S4 C9 C) v点评：从题目来说，这道题让人想到央视 2012 年的采访，" 你幸福吗？" 这道题目看似简单，实则有一定难度，很容易落入俗套，很难脱颖而出。
% j* P1 O1 R9 N7 D  l; C再看两者的小作文，第一句话居然神同步了。从内容来看，二者结构也基本相同，均是从各个角度阐述 " 幸福 "，不过，文心一言更偏重个人层面的感受，而通义千问涉及到社会层面以及与他人的关系。整体来看，不分伯仲。大家觉得呢？
  w" f: M+ A4 t3 I来看通义千问出的作文题目，双方的作答情况：
$ f6 F- X  o* n' q5 k* h

& J1 B! d1 V8 l
/ F) b% A. d0 U8 e6 A
% W% I; Q7 H" x# c- P


% g; W% U  ?. f9 a


& z# _5 q  D! R- Q1 z1 w/ t( ^
7 R. c, ^# p4 N& f& A: g点评：从题目来看，通义千问出的这个题目非常像高考作文，很有出卷人的视角，是科技创新的方向。
5 @9 U8 Z8 a4 N! B3 x  l6 A: @对于两者的写作，文心一言对这道题目似乎有很多思考，但直接按框架写作的，有点像论文，读起来有些生硬。通义千问的这篇虽然篇幅不长，但看起来更像一篇议论文。
" j. z7 n; U. L$ z5 h' X05
7 [8 w8 r, K* [7 R. j, g5 N+ M' \& t代码生成
+ L8 Y  |& s5 C7 r( }3 `7 _" Y; M来看代码生成的相关题目：


6 J9 _! D7 C5 g( x( f3 Y


点评：文科生表示看不懂，拉来一名程序员帮忙看了看，他表示：" 核心段是一样的，不过，文心一言没有声明变量。" 懂编程的老师们可以留言点评一下 ~~
再来看通义千问出的这道代码生成题目，二者作答情况：

3 k1 i& ?" v  K



: }8 m. B, b4 G' h" s) [点评：同样来自程序员的评价：" 这两个对题目的理解都不一样，所以写的也不一样。文心一言的是生产随机字符串，26 个字母随意拼；通义千问的是随机的英文单词，我感觉这个更切合题目。"
) `$ d( f# A3 c7 j0 c06
心理辅导
2 ?4 g/ D7 q- e1 ~% \7 z( l最后是心理辅导方面的题目，文心一言出的题目，看看双方的作答：
4 Z4 C" Q! |5 X+ U) B; j
8 u; D+ ~4 w* M7 Y  T


7 L7 V, Z  ~% }" j+ s# q
& H! H( B( C* x" V2 v点评：从题目来看，文心一言出的这个题目比较宽泛，比如情绪有很多种，是什么样的情绪呢？文心一言并没有说明白。在作答方面，二者在心理方面的辅导大同小异，且都是列点式的回答。两个都给出了管理情绪的具体方法，比如都提到了冥想。
# G' x9 A/ H4 O0 E最后一道题目，由通义千问提出的问题，看看双方的解答：



9 B: \# j( A: f0 W/ c5 U7 {

- F! f! O4 j1 e8 H) Z7 S
% L5 [: k- V6 w


9 d8 W9 u1 }5 |9 u; l9 r' k* b点评：首先先看题目，通义千问的问题非常具体，很有针对性。再看作答，两者给出的心理解决方案都非常具体，文心一言还给出了 " 焦虑和压力 " 形成的原因。二者给出了不同的心理辅导方案，通义千问的会更多元一些。相同的是：二者都提到了学会调节情绪，还都提供了相应的理论参考。
6 k( F7 a7 z1 G2 d2 M  _07
) P- {3 {% M. P) `总结
在出题方面，通义千问像一个出题高手，针对性较强，文心一言出了 A、B 两套题，可能想提供更多的方案，但有的题目比较宽泛。
, t! n( X4 j* y! E% p针对题目解答，在翻译类题目上，二者不相上下，文心一言可能略胜一筹。
2 h3 z4 M# W* q在数学类题目上，看起来通义千问更好一些，有的还给出了清晰的解题过程，文心一言还需要提升。
在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
在代码生成题目上，都有这方面的能力，可能文心一言需要更理解题目。
在心理辅导方面，二者都比较详尽，对学生和家长来说有一定的指导意义。
从整体作答风格来看，文心一言偏稳重，通义千问更灵活一点。
) C+ f9 i  E0 O- |6 H从答题速度上来看，通义千问的速度更快一些。比如先给文心一言输入问题，再给通义千问输入问题，最后先作答结束的是通义千问，文心一言似乎会有一个 " 思考 " 的过程。
0 _2 {- l2 O) ]' F$ C从多轮对话能力来看，两者都有一定的多轮对话能力，都可能会根据反复对话有所校正，文心一言可能略好点，通义千问有时候比较疯魔。
文生图方面，文心一言还需要提升，差距比较大，通义千问还没有上线文生图。
这次评测的均为学习或教育方面的问题，题目不多，或许评测有偏颇。整体而言，完全用我们目前的大模型来辅导学习，尚存距离。国内的大模型还在路上，需要给他们成长的时间。正如 ChatGPT 一样，它也经历了从胡乱解题，到逐渐靠近正确答案，尤其是 GPT-4，在专业和学术上接近人类水平。
盖茨说 "AI 聊天机器人将 18 个月内可以辅导作业 "，指的应该是国外的大模型，国内的或许还需要更长时间。
7 ^( C8 y3 _! d! T# cEND
! \, g7 c7 b' z* |; Y- J  O: f9 Z本文作者：王上