文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

, C, X5 F; y# ^% I& f/ g  {4 S/ `
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
- O1 C$ Z. t$ e7 w1 H! T作者 |王上
) c5 m9 m6 H0 S( R6 l) U' L  y7 ]9 z图片来源 | 言之画
+ f6 i- R6 [7 `. W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。"
& Q% c7 C* p% ]" v, W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。
* s/ ~  F# I& |/ j9 F# s5 ]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。
1 l0 I+ Q2 i+ U) a/ J: G; N! P# W( X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。
! B  Z3 e& t9 q6 j- g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。
* v- S/ ^0 D. @; l01
: g& a! u4 Y. V. T& r# l( U4 i& ~6 \ " 作为出卷人 "：题目正常、不算偏怪难
  K' ]. r6 o$ A5 u, @) P
) ~6 [# ?, `) F& t. ^5 p- M/ g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：


# f" U# y/ y9 X$ {
! c5 ~! V$ d5 n: z8 t2 l
* b" A! V7 C& z6 C& s% t4 r$ E& A
  F; I, c: z& z- q8 C$ t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。
8 m. K3 W% i* V$ _, X$ J. w* e来看他们下面的作答情况——
8 w' T" a+ b9 t: Z02
5 w+ k2 {* b4 _- n* |9 g$ X2 [3 J' c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：
' y9 Y/ G0 b6 j) E' C% w( Z
7 [) P1 `, P* C: v5 E

! |& c: _6 {! l
! ~' n$ d, x3 p4 Q9 E- N
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：


/ |+ w8 u0 A4 C8 {4 K/ I4 @

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：
! k9 r% M$ H( ?. ~# w
2 m, \  z6 I- B! e# L% N& U
( e+ D9 K4 V% U& G' b
& m+ A' F$ z: Z) r7 C越来越离谱了。。
$ R/ \, [* {8 O: M1 I* g9 ]! |

* X0 A& Q( T" x: M4 u: A
$ Y/ {2 o8 [+ ^2 ~$ E4 A& t; V
- t! Q2 _5 L/ @- s" b
通义千问多轮对话的能力堪忧……
* W/ R  N, m* @  T4 |) U03
3 K4 T" R) B' W3 F8 |7 S9 `数学题目
来看初中的数学题：


+ Z  |. {! U+ V


& }  N3 g' Y! N* o2 @. G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？
/ ]; i+ t8 K$ u7 |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：
4 \8 M# t( ?2 Y6 }7 m
8 E* l6 ~5 M4 P' O& X2 V
: o& f$ T: V& Z1 a

  u4 \2 T+ N/ q# h, [9 m' v5 h
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：
/ J* Q+ o9 }6 C' r% ?
1 }" o! Q; b& O2 T

/ e' q3 y: i+ o  \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。
) w2 u: y; j6 Z6 B* {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：

! _. k% D3 n  F* {  \" g
# V& Y# D3 |; M: ?5 ?& N( m( S
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
+ K4 [4 M# g/ k2 g, A; O* W% H- x1 j04
1 P1 q. F8 R/ m' m. {; h1 [5 Y/ h# ?! V写作题目
来看文心一言出的写作题目，双方的作答情况：

* q* I' g8 s; @! R" Y9 k# c


, e6 ^2 {0 r! S1 t+ U
5 Q0 X+ @( ?& H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？
1 _+ c! b" j0 V4 ?; r9 P来看通义千问出的作文题目，双方的作答情况：



: |& h' }2 M" y+ N# {
/ R, A! p2 ~  L* Y
& D9 z" u% U! t
. ~; P, Z  r7 `+ X( V9 f0 H
3 L8 E; C: K/ n. a
& k% Q& `* q( c+ u3 p8 N( a7 n


, ^* A6 r; |& U9 V! H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
来看代码生成的相关题目：
  u3 Y! _/ C# c. H

- I/ W: x/ X9 _5 [


- X2 I3 ]+ k$ g. f5 Z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：



0 r% v6 ]: n2 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。"
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：
/ w3 z% w1 F; l7 Y& }! O
( ~0 K+ [. J( Y1 x, L9 d% d0 w
3 J1 x: e! b' C4 l5 O, }

1 `/ W% ^; t2 X4 g9 n
. [% G0 p7 `' A1 S, 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。
最后一道题目，由通义千问提出的问题，看看双方的解答：


% l  ]4 ]( v5 y, q% n* A  ]" O

) R0 X$ }; l( l7 [' T, Z
+ X  A/ J0 v6 J+ ~! Q4 U
3 H. Z- L# Z% k$ F
, O# R( b9 [+ p( x4 H8 u! E
; A$ d2 B3 s6 C, x: W- Q, a1 ]
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。
8 p/ I+ J! z3 P! p) u- |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。
2 X1 N; l  R9 ?- ^- M在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
+ f9 x" o( ]" D0 j( m8 d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。
- [7 o) i* c% [4 D& E& m8 m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。
+ t' }# M7 m2 R" l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: A2 W- l# |5 J+ }& e6 s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。
% \2 {5 M2 B7 S% L# U1 b+ c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。
+ g/ F# Y0 ?9 MEND
* Z6 N2 L! L% P  K) G本文作者：王上