文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

0 r2 N$ j' e+ J; q国内的大模型还在路上，需要给他们成长的时间。
0 u" `+ C. J% v来源|多知网
6 G* [" R9 x2 V% A# i  z" u/ m作者 |王上
+ D& V2 L3 N. Z; s- d图片来源 | 言之画
7 L" H! w! Z8 N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。
- u' B6 j' s% _4 K/ D! t' H1 q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。
6 ]; \" Y5 l  R( G6 V% m$ x3 M  R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% P  G2 I$ b) q+ h- f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。
" ?, F5 e9 S+ U% N( J01
' ]" H) T5 k' n3 w, F- K " 作为出卷人 "：题目正常、不算偏怪难
; p' ?: s1 \. t9 b' `) ~- f; j
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 [# G- V& T  Z
% m# ^9 X7 e. Y; s' Y# H+ J


6 d: w% E/ p% r% i6 D
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。
! r8 B% Z, d0 y4 @4 K来看他们下面的作答情况——
02
4 G3 h# G6 L/ J7 K! W$ w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：
/ V. d2 X( _% _! 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：
& ^6 h: L4 a- r: r- c8 t2 T
7 Q$ q, A0 Y! V8 W/ m/ J
$ R7 J4 Q# R1 ~, ^! G
4 \* [8 b8 I3 o- R+ t4 S- J% G
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。
% F' |( r( B3 o要么跟通义千问换一个问法吧，回答如下：
6 Z9 z1 l, a  d7 p


4 m# g( E2 c+ s+ H越来越离谱了。。

$ k: c' ~8 N' k7 `3 C5 `
2 {3 _( D" m% G4 `


通义千问多轮对话的能力堪忧……
03
数学题目
来看初中的数学题：

0 K6 l2 k( L$ m

+ }# n# k, T/ E8 H+ G6 S7 \% \
5 M3 R8 f/ Y0 \0 s# `
4 q7 V" |2 w2 W" a. T- K, ?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？
; e/ ^; T' x& ^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 {6 E: ~) w! t  n
* s% c# S* q3 U1 A! L

* E0 c# `; x% Y; [  G+ f( [5 A
: n8 T- U; D* m# V- N) B
7 ^, o; l6 t4 `1 q' E3 X9 U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。
! ?0 Y& N/ W5 C3 }) o, I" J! }7 o- g有点不死心，再次问了文心一言：
) T2 w5 x' p& `) }8 T/ ~. g# ~


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：
$ k, \1 T+ j7 k% I5 _4 e3 j

5 w2 u+ _& D$ N9 Q: `
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
( P4 J0 {2 l' h9 D写作题目
$ T9 P* d* o, k" U8 A: r来看文心一言出的写作题目，双方的作答情况：
- d5 f3 \5 e: S% R2 w
8 U6 y; M$ G4 ^# o! @1 |
5 L2 G; i/ R, R0 O2 d
3 D4 t- P- o0 R+ D, B1 b
1 k1 ]3 c* o& e# F; }1 P5 O3 w
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。
+ \  b! b5 N; Y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？
) Z3 W- A# i3 V) O来看通义千问出的作文题目，双方的作答情况：

/ w/ |% B$ w1 y4 V
6 C2 ]+ n0 `. v

" t3 t# q- f+ J+ b/ b


# f% g) s9 w: `7 W- C. q! V; Q


4 Q  N2 ^! i0 S8 W
7 Q  z. `( Z/ X1 S; W2 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。
3 L8 o% E" @* v# E1 n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。
6 D: b, u2 a" O. m  w+ @7 p05
$ d* I5 a& g! m& F) r代码生成
来看代码生成的相关题目：
) r8 a8 X  O$ H! w9 w



1 Q. c1 ?; S! c; 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 ~~
; F( z0 Z! O3 {1 W& W( B' X9 T再来看通义千问出的这道代码生成题目，二者作答情况：
& m* E7 T/ \8 B3 \  b( K
9 ^# K. m! P7 C: W/ h# D7 y7 F


$ ~9 u) `' a0 A* Z
4 O) l1 S. L. k& O2 @) E# H! u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
6 g1 h2 ^' U3 ~" r/ J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：

3 D3 g( i. i# l# P4 v! k8 u) {, s
' @2 ~+ z1 J9 u2 e7 D! l, s
! v! w$ s/ K7 x0 i4 u6 K  h5 @; }

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。
" k5 K7 C" h" l4 l/ v& N最后一道题目，由通义千问提出的问题，看看双方的解答：
7 c% k/ y. V2 l, a2 Q# S; E' T
, I# ^; s; |. v* }: E
) a  ?, {' {) c




" d. H0 @) T7 I; l5 q# ]# 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
& F& i6 Y- {% y/ \, R+ S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。
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。
6 t, g8 e+ M- q6 ?# X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。
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。
0 i* @& v& a9 v5 ?( o2 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。
# X! J) P, S2 N0 sEND
本文作者：王上