文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

# {  I3 k  y5 y  o  C+ }' q3 }  s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
+ D# i, h4 C  p% v. S$ d作者 |王上
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。
3 P/ K) l1 V+ l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 ?+ e9 l% @' `3 `6 e( _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。
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。
6 ]7 r6 |) j( q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。
' s' f0 _; [7 S& f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。
& Z1 x& j) y$ }6 H01
" 作为出卷人 "：题目正常、不算偏怪难

' R4 z- E8 O0 g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：
+ R* s0 b7 h, v8 S




$ A$ _/ p0 L& ?) u9 k0 }/ W/ _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。
' }1 C. z& W4 ~6 Z: i来看他们下面的作答情况——
02
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：
# b6 P" i3 h4 L5 ~9 y) T
; e3 K6 ^' p6 ]3 p" ~
3 F% q, D7 F$ Z: q8 Y* E6 \

2 }: \" M& Y) c. V8 N/ Y
! H" Y" U$ 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。
) y( @2 ~4 v2 @9 e4 X" v来看通义千问出的这道翻译题目：
/ k4 W3 `& ?" a7 w' p


4 C# M$ ?, H% ^
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：

1 ~% B3 X) H: I, P

0 \6 L" @6 o) J' E7 r越来越离谱了。。



1 D1 l5 |" `% V- |

$ s; ]! q7 `9 v6 \1 t通义千问多轮对话的能力堪忧……
03
/ s3 T& p/ W4 @7 ~# d- o5 s数学题目
来看初中的数学题：
9 Z* }0 A# q/ g" M
/ k. x( p$ n2 O: ~


5 L1 b( i( a( |9 N
1 R+ G' u! k" @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？
% s2 k7 W3 ?5 {% ~; y. v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。
/ v% M( S1 R/ x3 `$ x通义千问出的初中数学题目：


4 O' @* p9 m1 H) i2 x

  I/ I4 H  j) R) ^* R- L  w) `
6 s, @" W8 [( n9 h  [6 y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。
" m. |. w1 Z  T7 G7 z4 i% [  _, z有点不死心，再次问了文心一言：
; A9 v& j  I5 i; ?4 K
  v- |8 V% h: I& q9 E" B

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：
6 t# C& u% e2 Q


这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
' ^1 x9 c3 l6 @$ p% \' `2 r; K04
写作题目
" N0 R: J/ R- X" S$ l4 Z0 y& k来看文心一言出的写作题目，双方的作答情况：

0 v2 t. O' ]' ~$ n2 R3 d3 @



- F" N8 `' m- X' T! u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。
$ j6 J: b$ v$ h3 Q6 O: O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：
( S* W/ i- L% M1 T9 A
" ?1 a' P& Z$ [0 c/ y' M0 i





( g  V1 D, x" V! s. r* o3 V. R2 F' `



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。
+ W/ e- t0 Z; ~7 i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 z  [1 s$ C4 j8 ~1 r1 s05
代码生成
! w/ V6 m5 Q8 I) c) I7 x+ o7 B来看代码生成的相关题目：
! ~9 A# s/ J: C; C0 w

% U3 ]2 a7 W8 i" n* q, g


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 ~~
% b* z$ u8 H0 Z# ?+ _再来看通义千问出的这道代码生成题目，二者作答情况：


, F! \6 B) \4 f0 C. I

7 E- W- x0 J5 h9 H0 D7 N
. }3 K6 J9 l! f% \* i+ M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
! s( d+ }6 _% e9 T' F, I3 [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：
) o" l: x7 v* i

6 G; e% P6 S) E
3 ~' g* d: M. U$ n4 r8 b
" `, Q) l; j$ {# w" ?- A* l3 O
* D8 e, }! G" j$ h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：
8 N6 d5 W/ _) I' _0 K" `. b. H
) ?5 X/ K' v$ `: O( y
. j& F, y- ]( D4 i' g' B- d5 U; ~



$ Z3 Y  V  R* E, h( h4 t* {" g

/ U) ~' ?5 y+ E1 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。
5 T) ?$ c- a: ^$ J5 l" a. P07
! d; X! H+ f3 l% b总结
4 E: i- c5 |; G* W  D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。
! z( D- Z1 m5 G# g2 H" s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。
8 d8 c5 s: N: B" y6 M: _$ W, G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。
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。
2 h# U+ P5 p% }/ v+ e: S  P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。
- S7 |! V1 A; p+ `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。
+ I  O4 A6 o* s3 r0 D0 vEND
本文作者：王上