文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

  z* h) L0 j3 L& E+ G+ Z9 q
1 X1 W3 d6 t$ w+ K  A0 v国内的大模型还在路上，需要给他们成长的时间。
来源|多知网
作者 |王上
图片来源 | 言之画
/ A0 m( |8 @. M- ~+ E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。"
( E8 m# m3 |# k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。
* U. l' {! E* I! D8 k  g: }5 G' s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。
" G! A$ w6 D) ^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。
! [: ^4 |( M0 L2 b: n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。
9 N. P! A+ l4 @5 [* ]. P: a) k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。
* ]8 t$ l, w1 G# @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。
5 F5 ~5 O; i, C01
' R8 z. R8 y6 u " 作为出卷人 "：题目正常、不算偏怪难

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：
4 h: m5 @5 M( U) k) \, {


5 i6 Z5 |4 I) @, I; ~6 j
1 e& T! k5 R1 Z
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。
4 i3 c! m3 q6 {' m: ~* T来看他们下面的作答情况——
5 \# v% r) ]0 _7 ?, A9 f' J, g  [02
翻译题目
) n6 ]2 E' }  S9 z5 r3 k0 ?第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：





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。
  E& T  S" d  c% J  y  u7 b来看通义千问出的这道翻译题目：
9 D! n  d8 t) u" @
! ?4 D" q  t- w6 w( ], t/ ]
& r6 N7 ?& ^: V) ]5 n3 c
: x, V, F) O, X* W4 _0 k4 S
0 ?5 N* P/ n% C# P6 O+ b) E$ H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：
0 M) E7 T4 j' P
, h* q" e( E2 C) z1 ?3 N+ w

越来越离谱了。。

$ }- b7 @3 V+ E$ X" U
7 m( e0 b9 r( }0 N2 t$ J  M
8 @( h7 @/ f; ~, ~! `% X

通义千问多轮对话的能力堪忧……
+ }1 o0 _! f. D% C( [- d( g03
数学题目
8 ]- q# V* G* p- @7 z来看初中的数学题：

3 _  v; w/ R% Q& x6 |7 l



( O3 [2 |- h- r, B, c" Y3 g3 |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：
" g+ D4 G7 {+ u! Q* U3 v1 t5 f
) }8 p+ L# Y" k8 v. a) C% C4 \



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。
% c; O$ o! k/ |# r! B- G3 b有点不死心，再次问了文心一言：

2 `! B7 m& j2 F% ?  ]8 Y

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。
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：


- s* U2 c- K8 o7 W+ w/ E0 O
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
写作题目
来看文心一言出的写作题目，双方的作答情况：

! w/ @4 w/ M, M1 x1 j; A$ Z3 o
- s4 ^1 a8 M" v3 g+ L3 [: h" ]3 b

" ?- X& g3 c# Q  O# e1 G. m
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。
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？
来看通义千问出的作文题目，双方的作答情况：
6 n* x" D" g  R; o+ Y


1 B+ B8 Y, Q+ k; M, H5 h5 j$ b
5 b% U% s5 n5 O$ l

9 X* b7 J% h3 y0 W( q$ |- ^' g

3 k" K2 z4 g, k) o
' Z' H, ?# E  H. N% Z8 X/ t' k
: z# x$ A4 V* _0 [
5 {7 [  o; @5 U8 \% v% h* I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。
/ q  k9 H, U6 r& S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。
/ |, V6 s1 Y& H  D% M# Z5 w$ n05
7 k1 Y3 o* F# u, g) r. Z: c代码生成
来看代码生成的相关题目：

9 q7 m# o# ^3 T
+ a" E- F3 F7 `: |; R

% T7 R/ f+ c0 K* A3 u
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：





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。"
( n0 z2 Z0 f5 F5 P, ^; l6 z. E06
0 _. o' H# y0 {; |+ D心理辅导
0 E3 x) F& s! W3 ~: D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：
. Y6 U1 S: |% ]/ h' B5 |4 w) t

/ F; x3 [2 n" f% J8 m' k& I
0 A+ S. j3 {& h% z3 l: d1 Z
/ `5 f: z. S8 B3 i
9 Z+ T2 l8 j9 m$ G" }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。
最后一道题目，由通义千问提出的问题，看看双方的解答：





/ Z7 w7 C9 b( O% W. M" y4 l6 ?7 z% x

$ h. Q# B) ~1 P
4 q+ H9 @" v/ r0 S
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。
07
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。
/ }* }; ]2 C' P4 |* J- z& h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。
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。
) J% G1 a7 {; y% k) j  n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。
- c4 G: b' C' ]. p  U% ~* O# o+ q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。
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。
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。
4 H1 H. y- o) X" e6 u+ e  b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。
( J) g: Z5 ^% c5 ~) s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。
END
+ F/ B' B* q. H; u" z1 Y本文作者：王上