文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

* F6 w9 Q* ~. @5 J* e! I8 y& v国内的大模型还在路上，需要给他们成长的时间。
6 I$ Z- I# ^% O来源|多知网
$ }7 c! B. M% ^/ F4 f$ W作者 |王上
" O# e  j$ E# }' c& Y图片来源 | 言之画
: ~( @  ]8 N0 v+ E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。"
( {" I+ a# M& r* H& q% D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。
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。
; b: b# a% O* n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。
+ h8 ^0 t7 X( L( 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。
5 \: U3 V4 X' H$ [  i4 {* e' r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。
5 t) C* e/ E, z4 y( r  Q% o' e. o4 Y01
. l% g- j* j) v8 d " 作为出卷人 "：题目正常、不算偏怪难
. V/ C9 w# ], i9 H. y/ c( D, I4 Y
  g4 j' L6 ~4 |; {- g! ^+ W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：
+ z/ e* ~5 R4 j9 |* b2 J
) W) C" v$ J- Y" j/ k' M


' K2 R, k( U2 {/ g) N: ?
" d8 S* Q' ^) Y% L" i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——
/ p$ G1 H& F( H. C; j  Q8 X02
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：



4 I# m4 r. X/ l
4 S6 g( F  l9 |. W* f( K
% E# F2 B- P: A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。
. J/ r+ `5 t6 G2 m. e, u来看通义千问出的这道翻译题目：
: I" A! d& \  |( O' m



2 F5 T$ g. \# s2 j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：
% T* j& e# Q" C9 {' W


越来越离谱了。。
, \: ~9 m# B7 H4 I* O0 e
6 I; P- F. M. {, r
* J; t) Y; ~8 n9 u! |
, s5 x6 y% ~# ^" \: I6 _

5 n7 w9 g6 `3 G1 I通义千问多轮对话的能力堪忧……
03
& K' r: a/ q" ^2 W7 C' C! K0 o数学题目
来看初中的数学题：
- P1 Y7 J- k5 g  x* o# F
: P' e' i& i  @) V

* S  X: S' V, T8 |
/ \( n3 ?( R# E1 ]% k6 e' 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？
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。
% c, }: q% R! l; ?* i* n' y通义千问出的初中数学题目：


0 r7 G( q. I7 Y4 F3 _* S5 ?
: x0 L3 G  {* x  C! b) E
" f  R) i% [3 w; R
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：



) @" k' ]" c9 u2 [! o! Z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：



这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
) {$ p% U' c8 h04
写作题目
, b3 U$ n$ m+ J+ R; F+ V7 I, P/ t来看文心一言出的写作题目，双方的作答情况：

" b; A0 |( d! S. f) W1 Y$ o2 Q% L
0 k( B7 m7 ~/ G' ]
: v3 a  T* u3 S. _7 J' `- w
( I  [8 J$ ~! d$ A4 u1 o
( ]$ O, ]2 q8 Z9 [. z4 s6 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。
) R3 q9 P4 ^! y9 y- @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？
1 ^6 s$ h* r  t# k/ \4 w) M来看通义千问出的作文题目，双方的作答情况：


5 b& F7 d/ O' p5 r: O  A6 `& Q

: k% B  b: H' A3 K9 }
9 ^- b. e. S4 _, l
/ m2 [9 `7 a0 X6 c9 S6 d


, m; m, ~& B1 `% z

. {* ~! c2 [2 ~' N+ [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。
  `5 Y1 b2 ^# m* K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
% Q) ~7 G0 K+ y) N5 M0 }代码生成
% j4 a3 b' v# O5 d3 E6 m来看代码生成的相关题目：
! Y. |6 D) {+ ^8 Q0 {- f2 o




; C: U( r; d/ u2 W( z/ e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：
9 i( |! d" d5 Y1 d# p+ ~/ f

( J+ j' z0 p8 H4 h) X

2 l6 K# Y5 j" r8 f& Y/ Y
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
7 f: I  }( q: a6 u) T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：
' T" C- L7 j# U1 k% s$ L" r


$ M+ W6 }' K: Z9 ]. H1 E5 j

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。
6 U6 ~& k  @6 H' Y& s6 H) j) l- F* U最后一道题目，由通义千问提出的问题，看看双方的解答：

2 h% W- l+ V; Z  _, }/ u- M+ [
2 v6 q; J. ~( N
, W8 G$ [/ S% ^/ P3 X  W  H
& E1 V# u+ L- e" @

: d7 t  C; y( |  I' a& x/ i
& l, I8 r4 a8 H2 W( O$ l) {
+ L. K. J, z9 q+ F# @1 ?* E
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 `: Y; v' y: D7 l* o  W07
总结
) }+ ?7 B, N/ X) d$ u. t/ B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。
' ?& _- H% g' l1 {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。
+ p' O3 y1 M7 N# y2 b# A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。
- O- L9 h& Y( T! p5 @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。
. i1 X* j6 y' v# d, C: c# k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 B0 X4 ~7 m3 I0 D; m& F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。
5 q: ?7 A4 X8 P7 i; ]! G" F% k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。
' ^0 P, l3 }0 D4 k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。
# U  @2 _2 u9 p7 Q+ E" Z- B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。
/ G! t) H" ?2 wEND
. U  z, `( }7 x# o. n: Q6 v4 f* T本文作者：王上