文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

  h! v* i2 g6 u8 B) D5 E9 D1 z2 c
国内的大模型还在路上，需要给他们成长的时间。
/ k: }) a, ?. H. I来源|多知网
5 T0 g) X4 W7 M作者 |王上
& l4 h6 e# D+ x% K: f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。
1 a& {, U: S* F* k6 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。
% @* }, i% X, y- q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。
! n/ H0 w3 L; @9 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。
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。
& S. d+ v) S9 ?1 l6 h% j* p01
# A2 J% r6 L( Y. ^) A " 作为出卷人 "：题目正常、不算偏怪难
+ L5 q$ `0 Q+ U" B) ~% q
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 E% s/ E+ R; k& h  l$ F

" L& m, _0 \+ e! k+ _6 H& l( l

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。
3 o: Z& F9 u# j* b0 Y- o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 p. x) m8 |) @1 w$ V) o来看他们下面的作答情况——
02
& B% X/ B! a3 r* n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：
, d& c2 l' L7 A' J$ S5 F
& q6 {  ?" s5 u6 X" M4 ~) S



; z# B9 v4 C, Q5 C3 w6 Q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。
  M  `5 L4 ~4 ^& M: r5 p来看通义千问出的这道翻译题目：


1 ~- b$ Y4 J, [% Z3 H* U5 w3 G
# j0 g: V: H8 v6 W9 ~! m0 q: X
: T( D# `2 |+ l3 }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：
8 a+ P6 l2 [$ w& \# f2 W# M

0 {4 O3 B; F7 n  q+ i
越来越离谱了。。
* U& {% {$ y7 R3 g, Y


" A6 z& l, z$ @8 a/ s' H! o5 |1 g

5 U' J/ ]2 ^7 E; l, v9 e2 q, l! X通义千问多轮对话的能力堪忧……
& `& T2 G, N& T6 H4 F03
数学题目
- v9 e$ D, l8 }2 N8 H  `- F来看初中的数学题：
1 A/ H  N* c2 M  b, J* K


& x. R$ ?! Q- ~9 f, T
8 Y9 Q* z( C/ }& `& m; c
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。
3 @6 G/ n+ |( ^( d6 ^8 C" I通义千问出的初中数学题目：
! ~0 A% g; V. E. ]: \; ?

/ g4 }, N: L8 o, q$ z4 n" |


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：


" G3 o8 ^6 g2 Y& o
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。
0 Q" f* I) V1 ~2 q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：
, {- e, `5 n" U3 {* R' W+ E

9 M6 [& z0 @: b
, ?5 M* y  y! `, x这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
, t/ Y! g0 l  p04
  E! R: t) N- C写作题目
" V7 d) S/ j6 d1 z  H6 P8 D% S5 M来看文心一言出的写作题目，双方的作答情况：
5 ]% ~2 @6 O- E6 I% o( g5 A5 a
% C* e) ~3 Z6 R
6 y2 G% {: T3 @+ l+ Z* P


' T0 r/ |2 `4 a8 T% X& E% `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？
( w8 Y( l9 b" Q9 l% m& p9 ?1 k/ A' D来看通义千问出的作文题目，双方的作答情况：
4 S/ C1 ]7 R) v- m# ]7 v1 S
7 \! d$ c4 N  e# x1 E- E) V
9 s0 M  y2 w. {. r  |. G- I





' q+ `0 h. s( n; |2 g

, b: x" ~5 a6 V" T6 |3 I
% z( F, T1 u7 [4 @6 J3 a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。
+ v# x) X5 ^+ w7 b! W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。
* P$ W2 H; g4 O$ X* g05
代码生成
8 s& @4 D! I8 P$ U来看代码生成的相关题目：

9 s9 V0 x) c& S4 q, d, q


1 [9 W/ Q; S  L% c" S
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：


8 V/ E' y! B6 C3 [% }

; c+ e7 D) `7 I/ c3 f
) b' b; k+ F8 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。"
06
心理辅导
4 K$ B* x' g$ i! s& R  u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：
; K8 H: a  S) P6 t$ G% C4 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：

# ^9 [& h# o, A! H" w

# n  D; l1 A, Q. t% C9 k7 S! A

: Y: i" y: N% H, b0 r# N


$ d/ N( d8 z1 c/ @8 V# A# T
+ S- F$ I7 a4 f+ t" c# N% |0 l" 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。
07
5 t/ \2 K% b' {( U$ s8 i& l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。
$ U  O9 p( h- W' @* {8 t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。
; G9 Z8 i3 ^% p8 e3 \; E! S- R$ \7 J+ U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。
& Z& F5 A0 |, ~/ {7 z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。
6 y$ D* K- |9 [9 I* x. t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。
9 ]/ R- M8 o% `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。
" L$ q4 S! C3 Y+ J2 V* X- d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。
, x# e- \- Z' @* R( mEND
本文作者：王上