文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

$ q: ?3 R5 }. g
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
图片来源 | 言之画
) B- Z- m. S7 c1 Y" y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。"
* x* F5 \' l, g4 L! U6 R! V7 G6 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 ?( F' B+ g. P% \& C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。
& `! K3 ^( Z) l, c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。
. F$ m- b3 t% _9 q. [% b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。
# N. o: ]2 E9 p# A7 U1 \! b' \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。
# X. h6 R1 w& j' X+ O5 a9 m01
" 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：

" v2 G2 \. V  l. f) f2 \* T9 O



1 e' |  e* N6 J) ]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。
& n9 G5 u0 G; X: X5 p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 l7 Y6 g( o7 u来看他们下面的作答情况——
  M9 t5 G. E( ]' X# w02
# S* ~5 i3 B% C' U/ V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：
6 q. G. ], Z! y& M5 a, x$ e3 m3 ]
: p' J. y" L" Z( e5 C
2 W4 d5 b) y  i& W

0 ]2 V1 H5 @5 I+ C# [4 s
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。
( E$ q5 ?1 j3 v3 |9 V% V. S# G- E. K来看通义千问出的这道翻译题目：




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。
7 I* C; f+ V" c; Z8 b要么跟通义千问换一个问法吧，回答如下：
0 u4 g; {& z; R


; h0 G- A9 L' I+ p  G越来越离谱了。。

8 q& Q$ v: V$ Y0 [( x



+ c8 q& V+ Q- c: e  D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：
! p8 @& k+ ~9 D- Z& y% d; @

4 j, s% T7 Y; V9 p6 ~
' n1 g" h4 h- a5 L6 \
8 O% K: \$ ]% C# U, U' q* \$ U. 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？
8 u0 T+ T0 h5 _! k( v! k3 d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。
$ K1 D' X& P7 e& T+ l& ?3 x7 t通义千问出的初中数学题目：

- ~) W9 u9 ?" Y3 ?
2 O  N# Q( O# D4 q) _( ~

  ?6 j' |( |5 @8 f
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：


7 n9 v) U, G) D: K# X* W$ {3 `# m
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。
% C  q) B% `( U" }. B0 A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：



% y; v( ?! c" ^( H# [这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
0 i4 T- v( g# T( L) ?写作题目
5 \7 o/ u7 `0 A& d+ h5 b来看文心一言出的写作题目，双方的作答情况：


( ?" l' v( D' G

* c$ [, K- B' Q4 F8 ?! e% K. T+ r
/ E/ Z1 f6 u2 ]: N0 W7 Z3 Z- I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？
7 z( P* P4 b* Y) }2 O. a来看通义千问出的作文题目，双方的作答情况：

6 P( }) E7 e& ?. N: A% j6 Q


& U& N* H: q# k0 M


! b  h) g8 T4 V* `
, v( k' [- @* ]3 ~4 G# ^6 R$ M
. G' X/ s; a% @8 @  ]! `
# O/ k  Z( l: h# J! b  c) P
6 }: S4 S! R; E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 p+ a2 ~$ u* D5 M. a. J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。
' R) q0 W7 d7 ?$ P7 t* f  B05
8 |+ w4 `2 S; ]7 c  R1 P. Q. W9 ^代码生成
来看代码生成的相关题目：
) g4 O! G" J" |2 Q2 [- K" Q9 \) q



9 ~) G% C5 n$ w& O7 Y; e
, R3 ~" h  Y3 R/ v" ~, m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 ~~
. s- J6 |. @5 Z3 `2 k/ [- A- I  n再来看通义千问出的这道代码生成题目，二者作答情况：

  y; F- _1 @; B! }
+ \" @  u8 w+ I( ]. O. \! N
$ Z7 U, e- ~7 d8 @( w* F
* f+ G1 H" R& r& o
* E7 {# ]+ a2 M6 z4 |3 Q3 d6 U1 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。"
% d' I. J" y" O' s06
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：





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。
. U- d- Z" o2 G) k0 Q8 }6 `最后一道题目，由通义千问提出的问题，看看双方的解答：
2 ]) A+ v% Y8 G, l) K
3 W( y! ]4 I9 s; b. l6 _- @0 V
! t* c: p' a2 n  P5 I
, X5 F2 ?2 I  d+ G/ m
+ B& x) N9 h* h7 @
. P4 r+ X, c5 j- w, H
3 @* `2 w* S1 O3 g1 L' U2 v


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
( E6 @6 i3 T, Z; ^总结
9 {7 Q5 h& [! F' ?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。
, m. T0 y3 h: V: 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。
/ d" L$ `( A* d- t$ L) o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。
; m$ i+ ^, X+ y0 r6 B  F2 H% R! H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。
. J; T5 v) I- O8 Z: V0 a- h  C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。
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。
3 a1 S- O0 \& p" F9 s* TEND
本文作者：王上