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。
来源|多知网
% S1 ^$ N; N# T/ ~4 s1 Z9 S作者 |王上
图片来源 | 言之画
( |6 A! A5 g8 m0 s$ ^7 \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。"
/ W/ o1 C& v2 P- w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。
- W; R1 Y' r" 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。
- k* F2 u3 F& g% w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。
& L& y! a( g" 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。
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。
/ ?- X9 f9 p" K6 W8 l01
4 ^% K" `, R+ L5 {5 X% G " 作为出卷人 "：题目正常、不算偏怪难

. o+ L' c" F# ?; R+ R+ L* j  a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：

# G7 l( C% z0 N- u% Y2 o

& J% T0 o" E! o/ t$ q. y

3 J5 y. ]( i; I) o4 n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。
+ o- Z* x" l( H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。
+ ]" {2 l. X  Y. O! O% x; _来看他们下面的作答情况——
02
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：
$ O, |8 k) p6 \4 j6 r

3 j7 ]/ e- E. d; Y
* @5 g" i; b9 N* ~1 Z
, u/ {* ]" o8 |! e" m2 V; [" Y2 Y+ g
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。
- o' U& |- Z: U9 f1 _来看通义千问出的这道翻译题目：


& e( `6 o9 `, q1 [8 y; D( R

" |* Q5 P9 c0 L4 E) p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。
要么跟通义千问换一个问法吧，回答如下：

; w) K" b6 h; t

越来越离谱了。。

' ]- Z1 h5 _' W) V. A

# O2 h# P" S! ?, s

2 X1 P( A$ f+ w# C' j  @* X通义千问多轮对话的能力堪忧……
03
数学题目
) ]& Z) k8 ?5 u, |5 s  g* Y& e来看初中的数学题：
' b! u, W3 l/ g( \. N' ^! a7 l
9 l; c5 w0 |. P- }
- T. i& h' S" T2 D2 Z/ f3 s
/ q) a$ }! {5 D& o- M+ N$ r7 X7 Z
+ b. w+ A/ Q8 C# e$ o; A1 g
4 f2 }7 Q; q. r" D- Q5 _4 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？
5 w% f! Q. T1 I8 V/ \) p- j: ?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。
" {  H( D" i& x+ Q: w( s通义千问出的初中数学题目：




: @4 u7 J- ?% l. o
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。
* Z" ^% g& Z: [; b# x有点不死心，再次问了文心一言：


' Z3 `$ T4 b! e& Y2 S# M, R3 o% 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：
/ R. X( V. X4 J% k% ^

- u, [: |$ u7 R4 Y1 E. @7 P7 o
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
1 X: |  @$ Q9 |' P& @04
- G! f. r. @+ K2 a2 Y) W写作题目
% y& E8 O2 e& o( M5 S! u. o3 r来看文心一言出的写作题目，双方的作答情况：
" k- {% l% P7 }: j; [) h3 Y+ W0 l


3 f7 J8 m. W6 G$ F
1 [5 o: f4 H- V) y
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。
" ?# Q% y  X1 [" o4 Y2 ]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：
% w: i) T. q. h& S) U2 {9 t6 e






: ~8 K# {: o3 H5 G+ v
  H1 ]2 o6 V! l! j
5 T/ _) f' J: B9 v6 d
: ?# t  q7 N( l8 H. b7 ~0 L$ Z
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。
* r. Y0 q+ u4 q  |  W2 ?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。
# e  E9 U' ]0 ^- H; ^05
! S+ ?4 V1 @( k1 T  A代码生成
1 ~6 ]% |- ?! ?8 p- ~/ g) e来看代码生成的相关题目：


) y( V+ B/ d" M' ]3 H- X
. ?6 I, [, A8 C$ x8 p
8 G1 f$ J3 @0 x* g
$ z6 ~0 b& G  M( w* w! [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 ~~
6 b! {3 g$ i# V再来看通义千问出的这道代码生成题目，二者作答情况：

6 t3 Z# t. U$ O0 l



5 ^1 a1 X) J+ r( v0 E" |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
, l, b8 `+ s+ K4 ?心理辅导
0 w: n- P8 b% ?) c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：


' F; m# V% c: J! L8 O2 @  r3 X* x
  N+ R, G7 _3 s% i3 q2 z% f( D
" y( e( f. R' W1 [5 Y
5 L3 v4 k* \9 D* `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。
5 B5 [0 s. s0 h$ V最后一道题目，由通义千问提出的问题，看看双方的解答：


$ ~! |0 J7 G$ N, O: A) D
1 j& F( u" x7 S0 N  x/ @
0 [% i  T( _# t( P$ y% p
# Y- x2 c( k. B6 X) t( c& j$ i
4 y/ }# ]! ]5 I1 F, D& ~' E

9 n, L$ A5 V4 _5 ]. F. 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。
0 e% k8 g2 b: X3 B$ A" m5 q1 b  A3 M07
6 X) C4 z8 _4 ~) N; `总结
  I! K# s; L1 ?4 ^# C6 O( o" r) D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。
9 ]- S0 F8 `+ m3 X, ]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。
: L. C! d4 b$ n3 v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。
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。
+ Y8 f2 u& V% }9 B8 ~: v& z% P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。
END
本文作者：王上