文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

5 G2 D8 d" h$ Z( `
6 u! J- w& I* l5 C, b. {3 ?& h* r国内的大模型还在路上，需要给他们成长的时间。
6 ^8 j2 L, e, [5 S来源|多知网
作者 |王上
1 R! Q2 [! U4 p' ^/ f图片来源 | 言之画
7 V3 z  I3 B; R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。
4 x, R: u) h4 \3 F5 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。
- ]* Z! ~; h8 j- j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。
4 h4 Y" P4 G: s5 L1 H. w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。
$ I3 r( \: p9 M( j4 Y6 S( g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。
1 r* p1 x- y6 X& J* I# g01
: {4 b. d) q5 V8 o3 T: `' m " 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：


" P' n& ]* O: p, r

+ d1 G% s/ G9 B$ v3 K
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。
' [. I& U" O; v6 g来看他们下面的作答情况——
02
0 C* E9 ]. Y- a5 h. \9 G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：


2 ^* z( F. w0 v% _' v3 a8 K


; L' t; Y4 }/ C4 c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：

9 f* D3 s. B7 L! E6 m) j5 p

! `) H5 w& O* }: [
( y0 P6 w% q1 i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。
9 y! F' E: W* D& u% Q% t要么跟通义千问换一个问法吧，回答如下：
' p" c' z$ F, Q9 S, h$ y


8 @7 ^- y. V5 X( j) ~越来越离谱了。。

7 e) q! J- E$ S- I6 B8 x
9 `2 x+ W5 v* P$ R, K
: E9 [0 x$ I9 \* _8 K$ k7 u* D

通义千问多轮对话的能力堪忧……
03
) c& o  J7 S6 Z+ o数学题目
3 O; x. Y/ p0 G* t2 L9 m来看初中的数学题：





( n% O2 w, q  s% |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。
; M) b) N9 x/ a; C通义千问出的初中数学题目：



) R) W, {6 ]0 k8 d+ H; j; V; x
- g5 u, x+ P* f7 R* a  n, s" [  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：
* Z3 L' t# |5 J6 F  F
- \) u; X# W  v/ S2 D4 i
1 M$ `/ L+ ]. X4 g9 B1 W
$ W7 n. m, ^+ K+ \9 ^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。
* }  E; l7 X- `0 Q2 S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：
- W# Q7 E  q, ]2 {. [1 Z

4 e3 \. h7 ]- {2 N. H9 X' n! h# }
7 u7 J$ s2 r/ Z+ p1 t. P这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
6 e/ b4 L% A1 J1 D$ S( ~2 ^04
写作题目
0 ?8 V! ]9 P3 `. K来看文心一言出的写作题目，双方的作答情况：
5 F& n  ^; M& }
5 t# b6 D6 F* \% {% M, [/ B



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？
' g  x0 \. v5 |; v0 c来看通义千问出的作文题目，双方的作答情况：



* i) M- u' K" s9 Q" ^4 Y$ J




' _2 r& C1 C6 I


. T+ U1 m7 D  l, @$ `6 W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。
5 C& k+ g/ d2 j% L" b: W0 u, p05
+ R6 H7 c! N7 A: w代码生成
来看代码生成的相关题目：



4 e) H/ Y  {) z1 ~3 M! R2 b

% k! y& Z) w! @: Q- b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 ~~
# J" R  A& ?* c/ n' w再来看通义千问出的这道代码生成题目，二者作答情况：
# W# `6 g3 ?! o' a  T; l
  o; a" Y; r( ]1 u



9 x* {3 m7 q3 J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
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 K4 r0 J  u+ A1 v2 S
: j# G) s) J8 e. x8 D4 ~
; c! \" ?9 ]2 m# D  p' a. |$ M


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。
( N' j8 W* g7 q) D最后一道题目，由通义千问提出的问题，看看双方的解答：
* @2 ^7 \0 J9 y  z  V


: q9 t2 |7 H/ X" ^; w



7 ?) }7 n# j# j0 K3 b, D' ~- g0 x3 v
; l) O  c) B) L6 m' o; @
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。
8 i' q& P' y3 R/ F3 L9 o3 v07
总结
: K* \1 ~. U6 w, Q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。
% Q; U1 x! f. t& z) U/ z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。
7 `; Y  ]: |6 q4 y7 B在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
" J! ?* k' A0 s3 f8 |; f+ ^3 i6 U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。
8 |7 w( H" {; ]0 t- K4 x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。
, p# I) k8 @  ?5 Z8 u6 H4 J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。
! G6 j7 C: Q* v% N+ f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。
% B+ u  x2 J, |3 @END
6 S1 _0 q  {! a本文作者：王上