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
  F" Z! V, W9 z* m0 V$ l- r作者 |王上
& P% r3 w" _2 V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。"
, ?: w/ o. y, h3 K9 j+ A# R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。
: B) j2 o* d1 ~1 z( M$ S7 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。
2 m9 j  U$ S# z4 Z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。
& D# p9 F4 ?* X; t8 m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。
+ a0 F4 l1 V4 ~$ X5 J) h5 I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
" 作为出卷人 "：题目正常、不算偏怪难

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：
1 Y7 M8 ^# _/ P7 W


: T/ T. B% n! a. ]  V+ H$ l! Y

' H* q! T# ?  @4 W( Q# y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。
6 z2 `8 g, K  i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。
9 E$ Y9 v# |" f& Q7 |来看他们下面的作答情况——
02
- K$ t. C; c" Y* ^$ q( B翻译题目
3 p8 _" ?8 i: F$ g( u/ K" T第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：



1 x& L# q$ x$ ^/ T9 `& h

% i9 G8 `  Z+ G  T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：

! [; F2 ^! `- ]- l
5 c; ~" i- {; I9 d  s

. n4 `1 n+ N' v# h7 R4 N. `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：
. D2 X" M" K! V! P3 U
2 j& }( [* P# W  P2 q" M

$ c4 K% F5 `+ x0 {+ C% n  k* T, M6 Z越来越离谱了。。

0 t7 J" D' V4 W/ J4 u0 n



1 F& N9 a0 u1 ^( n1 p! u通义千问多轮对话的能力堪忧……
03
数学题目
来看初中的数学题：

; Q. s. `/ u9 ?6 m+ |, d7 ~6 h
3 U- K; d! O. o' G' }3 \


; A5 n, T0 z6 N0 N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：

, }" A' Y4 ?6 {$ _
# f  q8 I" w+ E' N( _7 D0 x% u
7 }* t4 L) ^# U8 a
- b1 J6 z+ _+ c: N
) N* j4 o: Y: n8 m5 D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。
4 }1 N! a! p! @. A有点不死心，再次问了文心一言：
- u' \  q' n. u: j$ D; [7 U
5 K1 s& P4 l& b
+ F" X. _0 b) l  n* k3 w
5 y7 L' H4 g3 k. A+ t4 ]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：


# M! k2 H/ i" o& q" t  f9 p. l
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
& K" Y) J. q% z* z9 I2 {( r, y写作题目
% e" ^1 ?  S4 l+ @8 A, i1 I来看文心一言出的写作题目，双方的作答情况：


  v" W- A8 l4 c  A, i

) l8 s' o+ r$ i% R2 ]
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。
6 c. A0 H3 x# u- D4 j4 v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：
$ |; U6 ~, [- a" Z

4 {( [9 N" J( G9 L1 C* n( u






  F1 [+ j/ i8 h

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。
8 S2 r! |3 j  Q  m0 C9 U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。
  m2 M1 F+ R2 c- D/ y05
$ I' x  P* l0 d; k代码生成
来看代码生成的相关题目：
$ F4 _/ [3 @, N

, p; }* h8 J- ?

+ y5 F6 V# ^5 _' x
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：



& w6 o6 J0 l7 Y3 B$ y9 j

% P+ S) M- S! \' g# C; w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。"
3 J7 _* @+ y/ X6 f06
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 o) z  Q% V  n# y

) Y$ h6 E2 ]3 q
/ G* `7 @* F, x3 |
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：
! ]' J  g* A1 H$ g. M2 h( q

6 b- K( [* s1 Q% A, X

& W5 p" P' O% H* y5 t$ Z# p  s& {

. [& V. r4 }0 i3 ~5 v; v

; f  I- a% a8 c/ W! i
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
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。
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。
- c# e6 E! Y0 p; p; U7 c  x在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
* j5 K% ~8 t+ P, O" o: K5 v+ `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。
/ D9 x' U) D( C2 ~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。
8 K$ P) W- q; h0 f0 Z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。
7 @# n( J) {9 u& l) \" k7 R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。
4 _0 b" S% j- l4 P3 W. P! S+ 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。
  L' ?  v- H/ z; AEND
本文作者：王上