文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

, a# V1 {. S# v6 G& h, e1 c
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
6 m6 _+ P0 R, C, u' _0 |; R5 V图片来源 | 言之画
6 `7 S) W# K, Y' J* W2 U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。"
% y6 z8 ]1 g& ^' X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。
) {: Q! @4 Q- M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& h" |/ f: |- H1 c9 i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。
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。
* W0 |! _4 x0 e5 x9 A01
" 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：
  o* b" {2 c: [5 V4 q
5 L8 v) L8 q) W+ ~8 G$ i
' M" h6 C3 r% \4 I) }1 H


- u8 \/ R: w5 m8 @% J* F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。
# {0 V) R6 t& K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——
9 Q" I  i% Y5 s$ J( {9 A02
1 l! [% X! G2 O9 [3 ?) f2 U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：


1 {- A: w% w3 x( x
+ F9 K5 l% q# M+ S; M

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。
8 G4 [9 n* U" c2 l* \来看通义千问出的这道翻译题目：

: l) c: s2 U7 P- F! C
) k' F) v+ C% V8 I$ U5 G

# \7 J' k: Y5 ~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：
, [' C. [0 N8 o
; i, S* a  q9 E$ `) _) f5 ^' f0 M* B
& @, g3 }0 s- |# b/ J
( K% L! r3 V4 E越来越离谱了。。


3 O$ `1 r6 p5 }& J- K

6 X( T5 O2 ?+ T7 N' E
! B& |5 C) t6 x0 Z3 N, `4 A6 o6 U3 R; t通义千问多轮对话的能力堪忧……
3 z1 I1 f. z" k03
% L# p1 R- I4 A( q7 F; k* m3 t数学题目
来看初中的数学题：





; _" \* e  y" O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？
% x4 X2 f; F3 e- K/ ]0 `( A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：


6 p6 t4 |, z+ b$ e' T
: P9 B. h* K5 k& w$ D' H
- A8 ~& d( A6 g9 l6 }
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。
# ?2 B5 k* v8 y3 F  m# J: N8 z$ I有点不死心，再次问了文心一言：


) w" J& a3 L% P: C
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 A- I2 F- {1 a! E1 V' L$ R- S6 E6 a4 h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 w% W- {1 F- z
2 T0 z3 ?4 s* k# s' P
- j. e  L$ A+ N0 V: q这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
( S& \$ D* s8 w* `8 L0 [- t9 U04
写作题目
来看文心一言出的写作题目，双方的作答情况：
7 V% p: P6 e' E# A  e
. y* p0 {# R( t4 g4 q+ S! a
9 a: h' m; h8 s( g" }( w. T

; J  E" B9 O* \- h7 q$ M2 |
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？
. J$ w9 p( ?& N" O$ p. ^/ C/ Y7 b来看通义千问出的作文题目，双方的作答情况：




4 {9 Y/ e7 a7 ?+ y7 ?
7 u0 P  H, N: X
5 O  Z$ n4 @; ?* N
7 T5 R+ N: r2 U: e9 r
- M" k( v. M: V+ f1 v5 {


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
( u& H7 y5 S- ?1 B$ C! O代码生成
9 o* j7 |% l7 s9 B  H2 n来看代码生成的相关题目：

5 @& n3 }! Z1 e8 ]0 r


2 j' _. d- H% b
8 T/ }2 A* K4 K9 [/ ?6 v7 m) e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 x' \- l$ [% h# V; S0 r: X( X

. b" Z' c3 B3 j. W" L. A% c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。"
7 X( Y2 \3 ^, t% A% ]8 @06
心理辅导
# l( g. \) z. |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：
; c  W# t) o8 z8 @( \4 b
! e$ X- Y& h+ V8 b- h( U1 K* s
2 x) s* ^. {+ p/ H8 L% T/ D/ Z

' X* ^3 R* ]5 o( [- z
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：
# U" b3 h1 k$ Z
- k+ m$ S% U' G" G
8 C$ W# h9 q# l. Q

5 L6 f* U$ P1 {7 Z) W( ]



& A2 g- z# U$ K6 }9 `+ K
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
( Z) ~- T0 t$ }% h$ Y! c  A5 D/ g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。
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。
+ O5 B0 \: S6 _4 f0 M& N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。
  H6 u1 m% G( N4 S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。
0 a2 V" G9 P8 O$ X7 ^4 h, gEND
本文作者：王上