文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

% p; w( q9 B- F+ {1 B. k
国内的大模型还在路上，需要给他们成长的时间。
! \7 q6 B8 l% `- o& f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。"
% W3 G' |% L8 Z, P& T" A, T  g" H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。
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。
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。
) Z1 ]' ^* v2 R. Y- z4 x8 X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
5 @+ }4 b1 F/ R3 A% b, R$ L, g " 作为出卷人 "：题目正常、不算偏怪难

# `; T0 F& ~+ A: R; q7 H  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：




3 Z" ]/ f: r! s5 X
2 p2 p$ ^* B5 U  v% B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。
) i. }  d7 G0 I来看他们下面的作答情况——
1 v, l; f; X4 y- Q5 `02
翻译题目
, K) \! |4 F. N/ I3 y3 ^, o8 ]第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：





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：
) {, ?1 ^) L- a' h( t

" f# |0 e/ X3 \: f6 N5 Z" D

+ w/ V1 k$ R5 X% c( W3 L. i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。
1 ~4 n% q: x0 ^' g要么跟通义千问换一个问法吧，回答如下：

8 Z6 b0 [0 Z) p5 i

越来越离谱了。。

+ V4 Z: l  ^6 ?6 @

& {  i# D) [: c" e" z
/ y* w6 U0 o9 ~, p* ]. Y- _7 Y7 @
: x$ U. Z8 Z  b通义千问多轮对话的能力堪忧……
& x: `$ W$ d* R+ u) P$ c03
数学题目
来看初中的数学题：

# J1 O# H& F5 c4 e

' a. w2 Q  t" }8 P. [
* s8 [9 R1 r4 }2 G
2 i6 N* G8 G/ ^  e3 R3 r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：


: x3 H# B9 i& Y- @/ n! l: o3 U: Y. {

$ n( Y0 ]- z+ @* m7 ^
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。
, V4 V$ m1 y# s( i, ~" w/ X, W有点不死心，再次问了文心一言：


1 G) [/ |1 @" b8 Z  h; d
3 y  L& f. M# P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：
' n  T. f  u2 A9 O. m

# k/ N5 }/ `4 U; I
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
  e6 k1 ]; `  G04
写作题目
# m- S4 {$ g% V8 {3 c$ H% q1 Y来看文心一言出的写作题目，双方的作答情况：
. d2 u9 K- y2 d/ E. b
* g0 j6 o1 v  F+ O4 t0 f8 U5 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。
0 L, p5 i& J. 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？
来看通义千问出的作文题目，双方的作答情况：
# v, O( N/ Y( L: f# r7 J5 N

2 D9 E9 d9 ~9 h) F; B2 U
4 g! f+ P# }/ R9 @

2 y/ e6 H2 X8 H- F


$ X. \3 p# U1 D- o' M' q8 L

) ^! }* V0 N, t! F0 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。
3 ^% r3 q" i! Y  E, h0 ~6 C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
+ i, A8 h2 e! \; g2 M来看代码生成的相关题目：
: U- Q* P5 g+ J* ?


. g7 z2 W8 C, ~% I
, D" |1 Z4 R" d, K. C) _5 e
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：

1 }' P2 ^7 J1 c7 Y- [
+ D/ P* }, f; M; {4 s
: |3 w6 B' v3 I: P5 T

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
2 m( u$ F) v( q- i* S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：

( M. i, @5 J2 T9 B1 ?8 g) ~


6 A9 U1 j9 ~5 _' Z3 p7 H9 q
  Q, x9 k9 ~& r# d3 j% P: b4 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：


5 b4 ^/ L5 _/ W

7 U  f, l9 |, |5 K- g6 X7 Y
9 A1 [' ~5 z8 F" s



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
) U; i, ]! e7 f; w总结
& k5 C9 O6 P  c. s# A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。
1 g5 S8 G" B; _( W% Q在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
* c# B* S# E1 H( n- y' H  a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。
2 u7 x- l" r0 \1 C% T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。
( |7 a6 k( l3 n: h6 c  N5 U; J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。
& Q+ _) ^( ?! t; g. s% r  |7 u2 C+ |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。
5 s9 E1 o6 m2 X8 `1 _0 T7 F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 B7 T7 i- v" N# e8 z% y8 E- S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
7 |8 Y! J  F9 e7 \$ `本文作者：王上