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。
; a. K+ q: z5 p* Q3 k  z- T来源|多知网
: c! @; g, C9 c# }$ k5 x8 K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。"
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。
9 E6 W" G9 ?# w" o: ^$ Y. 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。
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。
+ T2 D6 d8 U3 c( _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。
0 d+ K& S5 g/ L1 u* O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。
  @1 r% J3 j5 V01
4 [; v# p) g# Z9 f " 作为出卷人 "：题目正常、不算偏怪难
8 n4 @2 W4 {& j" T# J; Y6 ?' ~
4 x; Y9 K" a$ |8 b. d$ c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：

: u3 A' G! x- b# e' d
. P' a+ L% ^& m- ^# I- b2 s
# I* |4 h9 j$ t' O4 K

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。
1 s- f6 H; ?+ e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 G) N, `' }0 j5 h+ c0 d" `0 c来看他们下面的作答情况——
/ p& i) A/ o7 f9 \8 g7 J) G02
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：

! g( e& y) `  ]5 b


! o  x  q0 j" c' `2 A
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：

% w6 l' }9 t2 S* p& G1 I
& D. `! n. x  Q: r' S/ _
% {1 ~: ~! k) L( I0 Z3 F) D& ^
8 J8 Z! i, K2 x. ]/ O( ]* 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。
要么跟通义千问换一个问法吧，回答如下：
3 s+ v/ U1 j0 k$ ~) }+ }


2 G2 x& U5 R4 x% P" d& d越来越离谱了。。


5 B% M$ k# P" S
. K  w* o5 T& S3 L6 M" c

0 V- G/ s9 L  i! Q) W通义千问多轮对话的能力堪忧……
03
) l# b. ?; G! B, I) h/ b数学题目
3 @( p, i9 c7 D0 N5 Z- W, J! f3 Y来看初中的数学题：
# {( y$ k# P0 h4 z2 g5 s


; U" b0 Y* w9 z2 L% e2 P% r
6 M, |" _! I9 e9 J9 j
- N0 G! ~+ C- V' M" y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？
2 E2 o. t% ~; Z5 }$ n" G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。
4 }& F0 }, b: \8 _通义千问出的初中数学题目：

' N3 E' g6 G2 j3 w7 z
  C! n+ {" v# h: ?! E! T, V
  P3 @- B; O. F, y: Y* B% [  e
, e; k  k. M4 b; j3 n
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：
- K( d+ y" u  F
9 j8 z3 }, C4 L2 R* n, U" p

2 m. B* ?; m  X$ ?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：
* p; a5 A9 F( h0 b. R

9 @1 j' V1 C4 V( H
: Z1 K1 w; P6 O/ o7 b这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
  h2 }  ]% q: s* _8 {' ?04
写作题目
! O6 x2 J+ T. }. {来看文心一言出的写作题目，双方的作答情况：
3 o# B3 y( W" R. [  R/ W, Q% f% n



5 c8 Q5 d5 ^$ O/ U
4 p: d+ o. G2 l7 \. ~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。
( m; k+ I7 Q0 R* K; r  S+ M" k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？
+ w1 M; E2 a0 q- C- U5 P$ g# ]7 i# b( ~9 x来看通义千问出的作文题目，双方的作答情况：
4 n' z* D$ U( k+ P
: Z$ l2 B& W- m% b4 U  t
" j! Y& `+ T, ?8 @/ ?" J/ w$ d. x

: |. t6 I+ M/ }3 Y7 D
9 M' P5 w; {8 ?) x
6 i! {. u  j7 u3 z  E" v
( Q7 `# m. y( M; g* i
* i+ u# h- @3 I1 d) J


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
" ^( J9 y" F3 \1 o" \代码生成
6 W+ j0 K' c" M9 v8 \1 x0 @来看代码生成的相关题目：

7 b8 T- e+ _; _# U0 O' I5 k

3 M! o7 E* V# v# H/ c
2 |  @) x  P& D5 C) Y+ {
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：





" y5 i& ~9 h6 I; u8 f% Y6 I" a+ F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
+ m# R4 k$ m3 G7 R- _% j- e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：
6 L0 w# z9 P+ B# i4 Y


8 p% r" [8 A9 i* R2 I

- T0 n0 ~7 o- A8 b2 ~4 `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：
, p, F8 i; B0 U( p" G) ^0 W( N! G
! f- @7 e4 `( H

1 |5 H9 B5 Q2 C


* m4 @' i+ d  m+ E' 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。
07
总结
& {  V4 z$ l5 F- [( W; L' }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。
3 x* K  x1 ^$ d# b# l; ~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。
' g# x/ g8 P; j) z9 D4 s; U  m4 [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。
: t0 Z9 _0 q- b* ^) |6 F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。
3 a+ y9 M+ Z& u4 E& U2 }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。
& K! F$ [& _7 e( m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。
/ \) B6 |8 f3 V8 y: e) IEND
6 }# M/ F# {3 j% d1 A. q7 n本文作者：王上