文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

6 g& e* y' W" A* f* e( g- I+ s+ V! _
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
8 t) @: ]$ l1 P4 J' a作者 |王上
图片来源 | 言之画
% h. a  `, K/ U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。
# s1 u; w. t9 w& T% W; d# r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。
' t5 V+ \( M+ K" _' U4 D8 _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。
/ C2 ^  z* \6 w: k  {' a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。
. ~' j% x$ |" {+ s: l0 u. M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
- f1 _/ Y5 W" b6 g. 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：
$ I- Z0 V  r# B* {' g+ _) r: D


( v% i; ~5 t5 T
# X6 l3 m  E/ `! P6 Y: m9 c
3 t9 d0 W0 p  C* 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。
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。
来看他们下面的作答情况——
02
翻译题目
) M* i* ?9 k9 b7 @+ w; o8 f第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：
# c" h5 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。
来看通义千问出的这道翻译题目：
* M5 W3 y8 g) X7 |  ?) K6 K2 G. q3 J



5 N" t4 U& s% |7 W/ b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。
) t' _# o$ f- y: f. `' j* n4 w要么跟通义千问换一个问法吧，回答如下：


' a* w+ s2 q! K+ o- v- j
越来越离谱了。。

$ I5 F; D! n& s0 |! k

& f  j4 ~$ B2 U6 i; z9 \7 ?
9 U+ y6 }8 C" y. m: r1 M/ {. r: [: \
- C: z4 u  t* \2 [0 g5 J2 n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：
4 ?6 i, }  I1 H1 F, B5 f  x* T
; U# {% \, ?3 ~4 n. G
9 C+ H2 L! {' o- b3 B1 q
& {* w$ z# j4 P3 t# n* ?) g$ W( C
& S2 N' e( z! {* u  u8 }3 C/ d
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。
& [" ]$ ]2 t1 {  p9 H( S! z通义千问出的初中数学题目：
* H* d( ]) ?. T% A1 k6 i




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。
' X: V" H* a4 Z# v$ d有点不死心，再次问了文心一言：

: n9 v, M1 R, X4 R

! M7 c% T+ ]5 a% U+ G2 t$ j& D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：

) B4 Z4 Y4 h, P. d; J' m( S

这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
: h/ L) A$ a2 }* i6 {0 s04
! F, G3 @+ j3 G写作题目
来看文心一言出的写作题目，双方的作答情况：
+ V' z" G# Q+ u4 N

8 ~4 S) h2 ]- t! Z2 a# M
, U7 O: X3 _0 |5 {+ Y% l; a4 l& O8 O7 ?

7 y0 z2 a3 N% Z# b" E  x/ S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。
# B+ Y5 d/ G5 C1 N: J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：
; x2 v% U1 V# h* F7 _1 _: U
6 b# t8 \- W1 h8 ?+ J6 s





9 B# j+ z& Y$ w" e



* O. S2 G6 M/ U& }! ^9 V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。
+ t; k$ u- \4 Y1 `: B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
) {! J. j. W  ^来看代码生成的相关题目：
& r2 y1 t% V- a2 f' W  P  ?2 i


& d8 {1 g4 c7 e" }! u) e, k1 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 ~~
& g- Q: J& z9 ^" N再来看通义千问出的这道代码生成题目，二者作答情况：
: d9 S5 _1 x* p8 W2 h8 D
) {; ^" x2 C8 }4 {0 t* \8 ?; j) E
) t. h0 z3 M0 R7 W2 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 c2 _8 S4 [* [- {8 y  O, ]; s8 \/ J6 l: o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：





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：


( e4 |9 a  m9 f" c3 p1 o
, m& V$ O) i9 ]6 T/ x! B  C" Q
( v! ^  T  p: B, y



8 r+ E: a! _" x" ]( H! m* i
) Y4 {& v& f. T& v( @9 a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。
$ }  b6 y/ X* d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。
. D* z3 N% w% I2 P! o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。
6 e. v0 T# ?1 |$ y! W  D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。
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。
2 k% c% G! m$ V/ U5 g4 D& b7 G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