文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

: x( t1 K, P3 I# @+ s* {, o8 ~国内的大模型还在路上，需要给他们成长的时间。
; c& @2 ]7 _6 H) R来源|多知网
/ ^4 ^; b, p6 Z9 E$ o' V* S5 O6 y' v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。
" Q& u/ ^# H9 y5 K& l& f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。
. w. B0 s* S- V7 P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
* q( r# y; z* _ " 作为出卷人 "：题目正常、不算偏怪难

) S: A5 w# d: l) g4 C/ D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：
# \, k' N. H  w" ?4 R( G
& A! y1 e$ ~; f
; ]; v0 P( u% \1 i
( C$ @: A- n; i( p, R
0 d, i/ T+ ]/ ^
; g, x2 N$ y5 Y- f& C+ t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。
$ |* u5 B. u. N" I& Q来看他们下面的作答情况——
3 ]5 ]$ D0 M" T/ C' I# y5 x" r02
% Z- W& t+ M8 \) H3 q, i& z" T1 _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：

+ @7 E$ S2 q# }/ Y0 c. s

! ?, }3 n) u; \9 |+ v9 s

" ]1 l  Y& o5 b, T& N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。
/ h2 J+ F! [6 t3 v: t来看通义千问出的这道翻译题目：
* f# w1 _! i1 k; a2 `* V$ Q" f8 V( y4 n
- x6 V3 N0 E4 ~  C$ _. i
, z: Y3 `' |. k8 F* _6 x
+ a$ E5 W) }. J3 E3 k
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：


! B+ N+ z9 s& a! w
! X  d$ g4 a7 @6 N) J& H) g7 N越来越离谱了。。

# o% Z( T# Z5 A$ G3 X

: i# {; `) Y5 ]+ d7 T
, a8 |* X/ E5 v% b
) ~5 x5 n9 A4 P" J4 b" a通义千问多轮对话的能力堪忧……
$ A, A- r2 C& S1 _8 x5 ^03
数学题目
来看初中的数学题：





* _. B6 ~5 G4 Y1 f, u8 t3 m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？
4 t; \: g6 u( c& h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。
+ v4 |2 T7 R+ n! X8 t通义千问出的初中数学题目：
& n& K6 E. {$ I2 x
5 I7 G) z! `: r& c8 [

9 L9 y) O. s" ]
8 ^' |) H; t0 W6 `/ J5 I. `" y+ O& t
8 J0 S* x) t' B1 i7 R1 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。
有点不死心，再次问了文心一言：
. o# O% ?9 M# L( w  }% E( R8 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。
$ e0 n: d* Y+ j' D. ]8 O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：
8 [5 O- J) F) r* A$ G
3 n2 i7 J( X5 v+ K* `+ q

5 R7 }, `  J  M这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
写作题目
来看文心一言出的写作题目，双方的作答情况：




7 o9 _) B1 G! J& }( R4 t
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。
* I5 j: q7 v: ~. K2 S3 d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：
/ {1 G: M3 b- P% v8 @* g3 j
1 C5 ^; p4 }2 E6 ~" y6 J
* s7 p, y) @" A( [4 a) P




! b; e- s+ W' N" K8 Z7 p9 }


: l# D: E, Z2 b
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。
+ a+ G6 s* a  A7 B05
& `" l: I1 L* \3 a代码生成
来看代码生成的相关题目：

  g8 m5 J5 o. t' o4 c: b: d4 ~" s; T+ f

* S5 S" w7 @" F

7 d( h( N4 C3 t4 P6 H6 v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 ~~
8 C2 V9 y8 D* r6 J3 y. J$ [再来看通义千问出的这道代码生成题目，二者作答情况：





% ?8 v( h/ P0 e4 w+ p' b- h( v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
/ _: U2 l% y+ L; D( |( Q/ f4 E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：
4 V& n  s) }  S  T5 n8 ~+ ~




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。
% R' t4 F1 h* x最后一道题目，由通义千问提出的问题，看看双方的解答：

# u3 M' |$ w8 b; v


- E4 `. A' {6 E  c* }


: e7 z* B3 L. ^& M* C0 w8 P2 x
9 o- P/ t0 \& b
. i: a1 l! v5 o* Y( O  M& F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。
* [; o$ Z. ^5 B% ]07
/ W; h9 g0 w- r总结
4 e1 k) v  J2 J  j7 u# k4 e$ F$ Z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。
7 V& C# a3 F/ d$ ]3 P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。
9 S+ @& W" Y. I2 w0 X9 Z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。
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。
1 J! y" @0 B4 Z1 e) ]. 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。
, J. d3 w, ]6 G# C# v$ m1 W( x+ K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。
* J! u  e$ V, E( k6 X. w7 r5 y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
& n, w( D0 r) X) s0 T; N/ Q0 Y. o本文作者：王上