文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

' d5 S! w3 z7 g: V9 d" _
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
$ ^1 G' x% T9 U4 J作者 |王上
4 s/ H# f/ A8 F* X* e- N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。
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。
: p/ z, q% }! o% i+ e! L; G( Z+ k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。
+ N+ P/ l: M. A! c4 J9 I; w/ 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。
& w3 d; Z3 o4 |1 C. W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
" 作为出卷人 "：题目正常、不算偏怪难

' c7 j/ R. }8 O7 o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：


( p* @$ B6 J+ w' z# \- h
% J- d: t9 s% G( Y% F( y8 r

+ R2 N2 X$ e- X% h1 C- P" F) m8 V* P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。
, Q* ]% o3 L* \" E8 c" {1 {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。
6 M; K- t% p) C3 |! z( b& |来看他们下面的作答情况——
5 ?2 \9 R. Y0 b02
  o( c" f) @. i4 t0 E$ m2 o# x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：


9 z% t. U8 f& _0 C. a


; `& ?6 T- w: x  h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  }- S/ T2 {. i7 E  z% @  b
9 U: s4 j5 c3 F$ ?1 D5 _
8 F) g# i4 V9 a; k/ d* k3 e
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。
& s1 z& y3 O% n+ |- N1 L: r5 T要么跟通义千问换一个问法吧，回答如下：



越来越离谱了。。
" J8 N4 {2 U. G
- T/ q4 W- }5 Z2 Q" Q5 f1 b$ F/ Y

, e+ e) j0 d( ]. c3 M2 s- N" l
8 }4 b$ u) z  _2 \- u9 m
( g. Q- g+ d- q) a* }, O通义千问多轮对话的能力堪忧……
, \/ b: Z, o( O6 [3 y( c, f03
数学题目
% u% H6 g' u5 S4 ]4 ]来看初中的数学题：
  k- D" U' L9 p0 S5 F% Y: y0 y- x
4 r  q1 P4 |0 }6 D, |: g
1 U# R2 T7 ]3 s- ?# [/ \8 _1 Q- k
0 `1 @+ c% W# l! j! [0 c, U. n$ C
! ?; a# Y" M& q
# B1 k0 O; i1 D7 c" h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？
) z6 s1 g9 j3 X+ D2 W& J9 }8 |4 P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：


1 q2 u+ F/ G5 @6 W

8 U% [6 [- m# u% e( S$ a
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：

' a* M! u8 r$ X7 ^# c; ]

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：
/ y& k8 h5 i9 B9 V& N- o
% x7 l  A! P' t$ R7 V
+ k* c  n+ M2 m9 \$ [* F% p+ |" H
' J" q) }: i) c5 x4 Z这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
1 v& S/ E1 C, k! Y) v04
写作题目
来看文心一言出的写作题目，双方的作答情况：
4 c5 K) F- H$ a0 \: T+ U8 V, a
; A5 k4 p4 X. Y( ?( J
! I/ X! s- N: k. {
/ H7 k6 K2 }2 H" K" P1 I: H
1 a+ t7 }  q8 F% ~5 X3 g1 n8 ~
8 @0 d( c( [( T# @/ A+ D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。
$ [- b7 o  J5 u, J: C) q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：

# L/ S* s8 A$ q/ i
7 F! O; f9 g( E% y4 g* C6 p



' L  x9 O0 Y% m  _8 X

- w% D" a3 j; D
4 T- V' _4 a- T8 ^* K
# w% C; t% Z* w, p: }7 Y1 }. d
  E9 f5 e6 n8 G2 S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。
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
来看代码生成的相关题目：
5 i* Y; l, P# R) U7 V2 j/ t

9 ?0 r+ {6 p; O$ r% s

  Y0 `( r% _2 n6 ]  e6 \( H; V
' s4 ~, ?0 ?9 n* F7 T) A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 ~~
9 |% E5 }0 H5 |# A/ ^: f5 D再来看通义千问出的这道代码生成题目，二者作答情况：
; ]/ R' L$ a) B+ g$ Q; z9 H


$ o% K/ B: L% D8 Q" y! b' M& ^
( y2 `3 u2 A: Z$ [$ L% u$ `
; R+ k2 b7 D1 i6 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
心理辅导
+ t. O" f, K* }) w2 ]: 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：
: B& r' y0 h3 E5 n


! ], a, v2 }7 W+ t) p) b$ q

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：
/ ^4 a% O+ F$ T: d  d2 h5 F
0 P% w0 t4 j) x0 \) a6 K. Z
2 n4 g' t$ l- N


. |+ i  q: P' [" B8 o) e( O
1 V0 \, Y" [( O

2 q# x9 K0 H! Y3 u4 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
2 O* c; i9 a) ~9 y总结
0 b1 m5 b$ }: \7 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。
# a0 }4 Q$ k, G7 O8 Y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。
/ n  M: M5 U. \! e$ l, t0 ~/ p% T在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
6 D! v- |1 z0 f+ d" N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。
% P' F. _+ ]! u7 f3 |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。
! h3 [$ M0 o1 D0 R. w: \2 I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。
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。
1 n# f) n7 y4 ~8 q* L# ]' Z9 _- p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
1 _4 r- v2 N/ H6 @8 A本文作者：王上