文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

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
作者 |王上
+ c# K% Z9 |4 |图片来源 | 言之画
7 q" a4 V0 ^% s1 s! h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。
' Y+ p! Y" l6 ^$ D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。
1 Y' T* f. Y+ E" _! E+ R9 |* p  R6 C9 t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。
3 Q/ f# U7 n; W" w+ u- m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。
! ~) A! T. h5 {2 a/ o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

: \' y* x# p8 S$ j# t0 Q: G$ \6 i0 v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：

; ^8 ^: B. C( U9 N
! ~) Y% I; F5 \5 L$ I/ g


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。
% g$ N# g4 c& P. W来看他们下面的作答情况——
02
8 P  P3 F5 {' Z. |5 n* g翻译题目
1 g  w, Q9 l( a) G$ ?$ U% v第一题英文翻译，文心一言的题目，是让把英文翻译成汉语：
" y3 g9 f# H/ P$ I
9 V9 F3 O! `2 T( x5 x% Z& w
7 \  N  @% p7 h4 W# L" g3 G' K
( l; y& B7 G$ ]) K: u2 C' Q, ^: g

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：
. D- W' d) l9 @, B. W
) ?; L% \6 S' m) t

: e! R) V* D7 [- @! Y0 m
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：
$ V5 V3 S, q# N. ~
/ T: c3 T: F) r+ C: H

越来越离谱了。。
) e9 Z5 G% K3 I* W; ]5 ~" H1 m' _


0 Y% L* d3 ^( n
$ q8 P7 C! g6 |* d% ^  S& W# I" ^8 _
* E: [" C; q  B通义千问多轮对话的能力堪忧……
03
- E* o7 H, G0 l4 f/ @) R+ G数学题目
来看初中的数学题：

$ c3 a' ^- @) p& S2 u3 X, |

. c# _* I. U- P$ O  q
% l0 N0 {* ]- R7 h, T, T! B0 E7 k
( I8 X# _. p; \% o2 a2 o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？
8 I6 |" n3 H& y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。
. ?$ Q9 i! h$ t) W# E通义千问出的初中数学题目：
/ h% M* n5 H9 \+ M
! s5 i* C% M/ ?$ Y* A5 Q
2 o# Z- n9 Z: S1 \
" U; j7 d1 i/ o, N
3 c' j; n2 e& h7 |. |
. g+ p7 B5 _' v1 M( l% W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：



) v% J* m6 g% ], Q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。
7 @; o0 G" _) H# h0 C& \3 l- D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：

5 ?/ L/ h8 i! Z7 T: f9 L/ X
+ A* b& e6 c& E5 t# D0 M
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
写作题目
来看文心一言出的写作题目，双方的作答情况：

8 d. e- C9 m$ f6 |+ V
; A) q# U; m) j) ]
- f/ M1 `2 g( e; {; v; ?1 i) {# a
' q; X, z; U0 V5 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。
, Q$ c4 Y+ 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？
. ~, u2 B: t/ i: g( C" g来看通义千问出的作文题目，双方的作答情况：
9 J3 u$ `3 F4 Y% S1 `


. i+ n5 x1 @7 O1 L$ o
# f2 O5 D+ j+ l1 w

6 M/ d  k2 Y! M. g
  A/ D- U/ G, M( h6 e: o; Y


$ T4 ^2 w9 U' ]0 h" i2 S
8 g% p/ x0 c* ^' J' d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。
05
, V$ y5 {1 ]" }8 ~8 g+ o' }代码生成
来看代码生成的相关题目：

7 d7 M3 M+ }6 Q+ e2 l& W7 R. E
( c" Y4 U2 w5 h8 o# ~

4 O/ q  ?' ]* G
: J$ H3 Q6 `& y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 ~~
0 I: e7 N, O  ^5 w再来看通义千问出的这道代码生成题目，二者作答情况：
0 G% w' q8 f! |$ F+ S


' e! C" k5 ]; [3 \7 C4 ?

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
' z& K- [# U* c  L心理辅导
/ v; ?4 R, a& b7 d! I) M  Z( l' e- c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：
5 F! Y% a! y5 r9 `3 d

7 R: N9 D  Y. @( |) ?4 m
) @* d! X: V% q& n

+ T' `. y/ ?# p4 ]( l' [% j- 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。
最后一道题目，由通义千问提出的问题，看看双方的解答：

" N$ A2 u. i3 g/ a, S. r) R
9 |% t9 l3 W$ E9 C" f
. j  N; u+ |$ S% d

& R( |+ m$ H/ @3 h) N


1 c) ?% x+ J4 \7 K: c! s: b
. R- S  _+ ~  j3 X# A) m5 m7 H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
2 d. o5 q  `/ D: K4 E总结
, `8 G4 C, s" z: H4 s- M) w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。
& q; }; i/ z' B5 g9 i, H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。
在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
. ]5 d, c& y) e1 D+ T" z  u3 v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。
, g- o" K* }! |6 w4 @3 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。
8 N( Q; l6 l1 y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。
, }. p. }- D$ l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。
* j5 g$ i+ I: ^7 z# K) _7 v4 \6 q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。
END
本文作者：王上