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。
$ ]; T" l3 m1 ~3 ~) A3 W1 l来源|多知网
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。"
( F* j$ V% ^1 u. @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。
6 k9 }1 w" c. j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。
: T) P: _/ U$ u6 i5 Z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。
, T& B9 V. C% M/ I: w, W2 p5 \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。
+ l$ Y2 t4 A& c) }$ ]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：
; w+ ?: ^9 T$ s4 k# |
0 C0 g: l/ q: M3 i3 \; K
0 A1 z  M* n, h7 l

1 H& b$ ?2 I/ a: @
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。
) [3 U2 B: r# z$ I7 {% R来看他们下面的作答情况——
02
' P/ }: z9 [- c7 n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：
) b6 M6 p5 q" N' Z- A: [+ C
4 x# ?2 S* O( N1 y  H



5 a  ]2 b5 `  g' d' ]" {% O$ l$ W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：
7 d4 h/ @( H& v% C- b( h3 c



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。
: K5 t3 @- S% s. }: h! [( }要么跟通义千问换一个问法吧，回答如下：


: V/ Z, j1 Q: {5 I6 V! y# h
4 D! x8 l" L* b% c1 h& |越来越离谱了。。

- E) m1 F: `% \2 L9 Z# V$ `



) Y! j& A' ^7 \' |) E通义千问多轮对话的能力堪忧……
03
1 S( C- a0 p: w数学题目
7 V% j# v. {; R$ U0 a1 K0 O5 K来看初中的数学题：


6 l2 v, W6 [8 T4 R

2 s7 P& w9 k; f: I) j, T* ^- s
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？
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：




( I7 p) w2 Y8 J
8 |" I* \" N+ n& ^% y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 u+ B+ q) ?5 B1 H6 M有点不死心，再次问了文心一言：

& D8 w# M3 `% K# g3 U
% J' |7 ?7 y9 Y' c  G; m1 N) O" P
, m$ y2 R$ U& L7 f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：
5 E% v+ r& y& C0 w
! U" x/ |& _6 |# i

这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
写作题目
来看文心一言出的写作题目，双方的作答情况：
. M; @8 l4 j, `7 ~8 x# g1 N
0 g# ~) u: l  R


& l( M/ q: {( H5 D  Y, Y& ?7 v9 n: W8 E
# `: c1 c5 W4 a: B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。
, [$ _! ]' U% P( }1 W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：
5 E! d. A4 _6 N! y( j# t


3 f$ X8 I  V4 ^+ b


+ t! p  r3 `5 M

" @. q# a) O7 ^! M( [& j
5 C2 _0 \! z" w4 Y0 _

1 W5 B( E8 [% {# T" c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
) h( G- Z  \, N' k( z代码生成
2 b& |6 W" o: V* U来看代码生成的相关题目：
- Z  U* _, q" O5 Q& ?2 o7 E
# W7 \3 a2 |7 ?/ k% O) h6 F, a3 _" g
, s: A: W# q0 R1 x. E' |

% ?4 Y2 v& _1 N8 Q3 y5 c% S$ p. ~3 H
' S9 S% E9 S8 j9 `6 X& i, O" A( h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：

' `3 _+ V$ I# t9 m& _

1 b& b0 q/ J6 E0 q

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。"
2 }+ ]# o' V, ]6 P$ J% `% p06
9 x) a$ Z, G- d$ Q1 N7 X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：

. ^* K9 k$ n& _5 t

' x. X5 b6 \4 R$ y- T1 s# s% C
% O; G9 J2 t. q
" s- l/ {' E7 y8 i' Q8 w% w; P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：


! U0 y/ V7 S3 z+ y2 l. g, D
8 Z3 L1 z; ?* v; t4 [6 x. z4 W



9 n/ |8 X" S* [  B. S4 n
! V/ k, A0 S, G' c
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
1 p& l% x) T* P, W总结
, h, t. c0 ?/ P4 \+ ]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。
, ~/ n0 ~8 Z( l/ _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。
5 u: i/ b1 u; h1 W7 Q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。
; ^- Z* V# t6 c( A7 `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。
6 U+ p2 F, U) o$ S# s7 R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。
6 w, d0 P; ~+ J! L& T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