文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

: s  k* A5 K  [  d! W& f( q8 ^
国内的大模型还在路上，需要给他们成长的时间。
# _% V/ b4 F4 W1 M- ]4 {" A2 w8 @来源|多知网
2 z7 J' G) Y0 m作者 |王上
图片来源 | 言之画
1 Z% C: a, P  r/ f9 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。"
$ `; B* Q" y4 q7 ?  i5 X% c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 P" t- W4 @2 K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。
# ~6 f  R" o( W0 C; J# z. L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。
0 x7 B& H, F. [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。
# \$ D$ k/ u) t4 e( h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：
" m" @. ~& _) j" U- t! V$ j3 P



4 I2 ~: [* q4 r! }- e, z
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。
1 b+ \7 n9 _* |% n) 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。
来看他们下面的作答情况——
# k8 K+ x( f2 {; _1 @* C# b" Q02
$ D$ m7 b2 [/ x/ S/ |3 p! o, u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：
8 l. A3 y) D; b/ E( o9 b, J- Z) e

# T% V$ _# ]( ~# H, M3 U9 U' u


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。
3 a; i3 Z. T# x. r1 L8 E/ y: f来看通义千问出的这道翻译题目：



0 B% n8 i3 m9 _. G( h( i
9 B7 {1 U# I" e2 b7 A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：
$ V. m7 `  ^! `2 I! n* Z
9 {! o1 P8 q7 R3 ~; f
- S7 f  V. K( Z; p% B% w! h0 Z
! W! U+ Z) v; `4 v越来越离谱了。。


; u. g' O0 W7 {- K
- @/ U" M0 `, `9 U

通义千问多轮对话的能力堪忧……
03
' ~: s9 J) @% a& a9 N9 [数学题目
- g* w2 [( u; Z4 E8 D来看初中的数学题：
4 }, U- Z8 m& \4 C4 b& ~5 n' B4 Q
  U. C& k8 j) S, T5 U. A8 @
2 X% R; }$ K* D; I/ h
# r+ k" M( j. r' X* C1 B# u
( H  L5 F+ }5 W% B( }) K
, K. F2 t1 P7 A: i, T  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？
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* n& h. E* _$ w" @$ f$ L通义千问出的初中数学题目：
8 W1 z& l5 i1 a- ~. `
6 x$ ~" w) e: w8 x" _: U4 q/ Y

+ ~" J% L& E) d: Q" b

6 R7 r+ x* ~* E. \: Z. A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：



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：

% y" x9 @1 n0 G. c! n' j0 Y; {

这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
( j+ f8 [' J0 f3 ^6 X9 r; B04
写作题目
来看文心一言出的写作题目，双方的作答情况：
0 Q2 \' C" u; S7 i2 k
! u9 g4 L6 ]/ q. u+ ]
3 p4 ~4 \, C9 C' Y$ t$ X

, K/ G- k4 _2 o& e9 g7 N
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？
+ K0 v, g7 l" y. d4 a9 `; S% o来看通义千问出的作文题目，双方的作答情况：
) h, _4 A4 {. Q, g



, w/ g' y5 o( _4 x- E
+ m1 v0 j. p, ?% O! A
+ U! ^* L8 z; N) @
. ]- E. d5 {' q$ D* t; B
7 m- z) M. ^" s& Z4 S


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。
' ^- ~$ c$ t; b- ?# S- y& w5 W05
, S9 U! r" \& c. v0 F5 P代码生成
来看代码生成的相关题目：

4 Z# i4 K; h$ h! ^
+ T4 e+ M& T4 Q6 H
: ~4 G6 K- [$ F# ]
) m4 o+ i1 j0 u7 q# E/ C' q1 N! h2 R
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 ~~
; H5 A8 v3 X+ t! M再来看通义千问出的这道代码生成题目，二者作答情况：




! n; F& e6 ?) H, p
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。"
  K. O- D  k/ z" h: V  d: Z06
' _5 D' ^. i5 a+ M2 q" A* e! b心理辅导
, ^+ _- t7 w4 u  Q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：


0 \# _) Q$ \' i$ `
! h: s) ?" e; Z; s; S# M
! }, A9 `  ]1 f+ c
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：

* |6 F7 }3 b7 |; y; G% U


/ U* V' ^3 T- T2 Z$ R0 e6 o' G' g
! h3 Q$ n; X& Y; _/ }! r  x: a
) d2 d2 B9 X* O+ h8 x
' \9 Q2 S- q5 ^; X5 A8 w0 J; u

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
& u% h" k. y/ \# @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# F. d) b9 n. J1 c  [% P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。
  ?% A( [1 o& G7 m* O" c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。
) J* ~0 \% ?. d, R+ o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。
0 r8 _4 ~4 u0 _6 @6 z" c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。
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。
: d5 L+ G, |2 ?( a; lEND
本文作者：王上