文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

7 T) ]2 p8 T3 T8 Y  w& e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
( H' @5 @4 }, _* ]# s2 u6 ^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。"
( Y. ]) I# C) @: O. V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。
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。
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。
2 z& G1 L$ a) s. m( ~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。
, T/ U' c% t  u  L0 t% U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。
01
" 作为出卷人 "：题目正常、不算偏怪难
2 A3 n; |& d  U" x7 G
+ }* W0 e$ P7 U* B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：


0 z2 U9 U9 D9 T( c


9 f- W: I4 u& R  ?# M' ?% E+ x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。
- C$ Q6 u( Q3 _& j$ a6 B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。
3 H+ @0 _, |4 O, a0 s4 u7 m8 J来看他们下面的作答情况——
02
翻译题目
- Y0 ]. x) z  w第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：



' S# U" O! @! Q" p5 ]) Y! e
- t' i, ]; y. H3 ]
- `; D& L' p: I0 d5 \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。
) ]  n: p! x4 D: _4 X) G来看通义千问出的这道翻译题目：




4 y3 e2 R. P8 m- E8 p0 M% Y* e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：

) J8 P+ {* S- l" _
' R. Q$ J! u) A/ Z' m6 L) q: n/ X  i: n
0 E. b) m" p: P; E- C& n. @9 I越来越离谱了。。


3 I( y0 o8 X3 o% [, p


) o, S4 p" X$ ~1 G9 S通义千问多轮对话的能力堪忧……
03
数学题目
2 b" {' g  i- c7 R来看初中的数学题：
$ S0 U! |& _& d' t8 i7 }  Z7 t0 c0 h

, e; s: J1 j; S1 b
+ U( Z* J7 ]: z, l' C8 _0 b
& e% c3 ]. F8 F+ m
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？
) m8 F2 b; ~! i' r' V9 F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：
! s& H% W4 H$ ]$ t
/ T! b, w' j' N8 R  T; G
- ?# {) T; ~# N! ?% V, q% H
' t0 q% h) f; E+ l0 B
' a2 e6 D9 ^+ {+ i
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。
: v9 _7 _. c9 k" a( C. }& M5 U: k有点不死心，再次问了文心一言：



( K3 `% ?0 Z% N  O" u7 {  q4 g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：
3 u$ Y' x2 j  r8 C
+ E" F! ~/ d1 x4 R& a
5 A+ ^$ ^$ N3 y0 n
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
- v6 K9 o6 U! O8 M9 F4 g/ E4 |7 x04
; k6 H" q# Q# j1 j! x3 ^写作题目
来看文心一言出的写作题目，双方的作答情况：
. N; I# M  A) B9 k& t
0 E% t. c  P$ X% F
+ h! g) a" N( r4 x/ H

2 s9 T' I3 C/ y
% W  o2 W4 n) @! \: D, U+ E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：
# Z7 [- ?0 J5 d# j4 C

# g9 L' q1 \1 K! a. X9 i


: E7 g* l1 s1 M' n) p' V% K

4 M* A/ h) {; ?- P: d2 i3 k, ]+ z



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。
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。
05
代码生成
- N* O3 A" m) c% }来看代码生成的相关题目：




  @! K  \9 {8 z& r
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：

  e1 ?8 h) b: y. Q' u


& \- z, ?5 z3 j' E( v% N
5 D* f- l1 ^& E0 v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。"
, Q, v; @4 ~  Q  o( [06
心理辅导
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：
0 |; A8 I0 y( J- o4 P0 G7 @

; I4 r1 ?- q- ^% h; w/ o1 \
  f. v. j3 b* W' ^0 F8 H

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。
0 [1 u% z0 V5 I9 w最后一道题目，由通义千问提出的问题，看看双方的解答：

$ w* i4 x: r' y& z* {1 a; e

& Z; d' S( i, q3 u
# r4 Y1 F( j: `# X  G7 d
" D2 W0 P8 `5 T: B4 `; @
9 E6 J: a9 R3 q
/ v  I/ |( g) I7 C6 t" Y, A. R

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。
! p3 s& n1 P2 a- P6 z07
总结
) x( A& `6 l3 Z% q+ l+ {* p  v8 [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 z5 Y4 m& Z6 r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。
' D8 T/ N& [1 v* x. w在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
, l8 y% u1 w2 q! M; W" o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。
- ^5 |) Q6 y2 T# n% w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。
% q5 O; O- e& K  c" i$ e1 F& s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。
/ R: q3 K$ x0 V, v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。
( j+ V1 o1 U5 E! }5 h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。
0 Q9 G0 {% Y# t; f& f8 O; K" G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
本文作者：王上