文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

$ s  P# Q+ N  [) z7 |9 z- }% o1 \
$ m: e# b6 J9 k8 X! V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
& i0 }$ Z/ a5 w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。
4 |: B9 W# ?. _# j# q$ R; v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。
7 X1 D' P( D7 I. V+ Q* h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。
5 c! J4 s9 |# J4 p5 E1 S4 z& d. m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。
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
1 c! P: j6 S+ h " 作为出卷人 "：题目正常、不算偏怪难
( Z) E7 }% i9 ^" {0 v9 I
5 ?! F, A5 j1 |& @* M) \* [# x, I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：
) [% ^+ Z8 P9 {' A& v2 T. D; D* m

5 i, l7 w! r' n$ s; {1 h5 l


' V3 g6 l5 u) a6 b( y# U' |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。
" ]7 W' D+ X4 p( ^  ^" Y2 B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。
+ D3 {: A2 r) Z+ N3 Y# z来看他们下面的作答情况——
02
翻译题目
- c9 \$ R: Q# E' N5 s第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：


% S* k& L/ {7 ]2 m
9 ~! O1 a$ T/ A: Z" g0 ?% F

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：
" m: o8 L" n3 N/ P# V8 V4 u* M


& u7 N/ B+ }8 C" Q# B1 ]0 Q2 A
+ O6 S$ y* m9 M4 O1 `2 {- 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。
7 d$ R  C8 J4 f. T, Z9 J要么跟通义千问换一个问法吧，回答如下：
) ?' |+ g" l7 c- u" i

* S$ a- u4 s- _- H
2 ]9 t" s1 s& h( b% ]越来越离谱了。。
" Z' ]+ h- Y# w1 Z$ E0 m* H+ M
* L$ v! A, ]; c3 Z" \! ]: e
+ \; ~% Q- j: B8 ]
; Y  _% E' T5 J2 g% b/ x) I# r

( f* S) Z5 D6 c* f9 A9 `4 O通义千问多轮对话的能力堪忧……
& J; T) Q3 Y1 L03
, a- m; u2 O; \, G! D6 o+ j数学题目
来看初中的数学题：



- X# _+ R/ k& P8 b6 U% w

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？
% N) @( _' b# z# X% l+ c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。
$ V' D2 D+ q- G! h( e+ w* X; ?* W$ E通义千问出的初中数学题目：
. J8 e2 E* I% m) B3 r& S7 Q

( N. A7 C, X9 f! H+ b. b4 j' g


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。
' Q% r0 l, f9 Z. V; e2 F有点不死心，再次问了文心一言：


. f: F: g. S/ f1 m& V
1 a/ N7 U% g1 L, L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：


  I; Q, a0 ]4 ~
9 J) s4 t6 X4 @1 C9 S这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
4 F0 L) w1 Q4 t' Z- V1 E写作题目
7 G5 ?! @0 [4 T# U5 v6 `; S$ Q来看文心一言出的写作题目，双方的作答情况：


; g' J" E' j1 S

9 N5 F! ]) `- [& k4 S. P
) n" n; N* p9 h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？
来看通义千问出的作文题目，双方的作答情况：
. N$ D1 _* u% N4 s% ~/ E& g
5 t! B! c8 }+ A
: S3 K- A' b9 O6 L- J4 R


/ ]7 [* n' k4 ?+ }, o4 @: G

6 c+ J% v- q" k3 p/ x. X1 K


; v: u) y/ V7 Z7 Q* W% o
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。
. E3 V+ h% X- i8 I: p0 |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
3 l$ a7 \, D- M, Y- r来看代码生成的相关题目：
: H  f+ ~- P/ p; A7 H+ B) _& B
0 ^3 c5 Q2 N" g7 j4 J# l


( r! f2 k& [8 R& f+ s* K/ a
7 J2 d; s9 }, K- D# l( `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：
. [2 p: ?+ N- @0 n




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。"
; W& T' R, k! u3 S' A& T/ o0 I06
# g6 b2 m5 s/ V+ X3 a4 v2 z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：

; E$ z9 V% A) K/ f+ {. ?+ U

0 e$ J' |2 Y  P5 n/ f. s7 a; `  v

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( \* l7 B5 ~) o+ V! z
/ a- G8 i6 E/ v. p( ]9 B
5 @* c3 ?. V/ y( E# X



& W) ?0 F; l& L  D2 @2 I
# ?+ T, I' G: L8 t9 x1 m

. p/ c5 `! s! c0 m/ n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。
. M, ~$ M) Q2 X: w: d5 m07
5 p4 U) S* K$ F  @8 K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。
* f# A# L- A8 h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。
1 J9 i3 k8 D1 I, G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。
0 l3 Z$ v) a3 Q9 S  P4 l  C7 t/ h  g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。
" \; K4 ?3 C% A3 U! g& |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。
6 w/ G( l! e; U' o; M6 N$ _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。
/ [8 j# _0 r; {7 T4 Q# a$ ^  O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。
8 q. n4 [) F6 t3 K  iEND
本文作者：王上