文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

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
4 ]% r) `; B9 x, Z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。
" j: k# w: n% _) G$ j& d& b# E( O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 x' J' t- C' l0 `2 W8 b8 S; 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。
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。
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

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：
6 V4 T6 \3 h0 _4 \# L
; U$ a: I" O" `1 K' |
! w2 A5 M0 Y  I
$ i0 X* s5 k6 Q( |; P

( D$ J4 Q, c1 p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。
- W# T; u, G5 i来看他们下面的作答情况——
02
翻译题目
1 [  p1 H9 V9 _( F( x* x8 y# n第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：



2 h4 P; o1 @0 l# r+ ]& X6 R" h

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。
- k$ [$ o( t4 [; E  O来看通义千问出的这道翻译题目：


& N8 V7 G5 k3 U& b5 ]8 E& Q  Z

# H- p8 J4 F9 r3 n- w! g+ `$ w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。
! s" m7 |6 n0 J8 A4 o9 G3 ?要么跟通义千问换一个问法吧，回答如下：
7 q; M$ l7 s& W$ [9 {0 O

2 u# J% S2 y# w( d7 p2 C' ^& y
越来越离谱了。。
# |1 b6 }2 W+ O( z9 g0 Y2 H


3 J8 k2 ^) Y- x- r% }% _. s

通义千问多轮对话的能力堪忧……
! v: I; f+ F# k* p7 e, h) s' x03
数学题目
& ]$ G! j5 {6 J# u; S) `) l来看初中的数学题：

1 Y% Z7 {. W3 C5 n$ W



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？
$ X  ?: E" b- J) k* ]# v9 K0 N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：

* A' P. c. H1 v/ L8 p4 M$ i3 J- K


' u) t) q! d* N3 }! y
' j+ t% w2 I5 z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：
) E! L0 g: M1 e


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。
$ ~' J. V/ g, g' Q0 [( i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：



& @0 u# c  D6 q, l+ B. G# J: r, }" a这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
3 x. ^- D, j* ?4 V/ n) b$ N5 V04
写作题目
来看文心一言出的写作题目，双方的作答情况：
' E& m% K; M, z
" D- A6 c* w7 S
; r2 @. y$ v  T  y& F

, q+ `9 T" x( R9 D5 b$ Y
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？
% `0 E7 j- ^- E来看通义千问出的作文题目，双方的作答情况：
' b% [  k1 Y, g$ I
& V4 p. K& O& I" R/ w


& w0 f+ M& c+ I0 R


# R3 e# F# l) P6 J
0 a/ E+ d4 W8 J7 s2 B8 V
7 u8 }3 S: |: v! ?, n; m

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。
& m7 {& d8 r8 H  b4 _" I3 m! N+ c# q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
来看代码生成的相关题目：

  V+ E+ H" Z! r  [/ _( P' X/ P

+ n1 I; P0 i8 R/ K3 L! ]
6 W. Q' [. z9 p4 W1 m; x
: O, B2 T1 [; `) }) D! ]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：
2 f- l" w2 e( v


2 S0 l& i3 U( O6 g$ E6 O5 G
0 E4 m: O' F0 N$ A& v9 M
, {: |/ M; A8 H; j" D; ]/ B0 \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。"
+ D5 _9 d$ R" K/ h; S& H" o& @06
1 M" c. h: ~- J5 C心理辅导
. S* ?- Q: Y5 _9 q, c7 t8 s1 m3 m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：

2 `3 M4 f$ i) f7 f$ w& Z6 N8 A



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：
+ V( ]  [* s) S% g' U. [( ~8 h





/ E4 S) N* I+ t
/ ^; a9 p" y, p# {! P
7 v2 M! R$ d- W6 E5 y
4 W- j& [4 t% q! f; L( ^3 V2 M% 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。
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。
在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
: |% V3 J; }$ U) s# x0 M( @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。
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。
  L/ Q. G$ s* o0 ]- W. 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。
; I+ I  [: C4 \9 h" V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。
2 \9 }9 n+ i- LEND
; c1 S8 ]- N7 C7 D0 g7 K本文作者：王上