文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

$ X/ n2 p1 i0 k. N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
图片来源 | 言之画
% T8 A* t6 G" r  K) e3 X) d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。
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。
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 Z% c3 b0 R( B0 J* ~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。
1 e  b% u8 `; @5 V4 H% V  ?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。
% a- w) O1 I& x01
! J2 ^6 A. |7 R# U. ? " 作为出卷人 "：题目正常、不算偏怪难
8 r4 p- }0 e/ s1 F9 t2 W  A
- ]4 x! n0 L* R+ x  ?7 o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：



" w# V# h; ]3 f$ P2 [. E" C, e

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 X9 Y- R' v) L) I来看他们下面的作答情况——
+ l. P$ S( A  u4 n& K02
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：
# A# y) C3 `( X

! C5 c9 \* i+ l+ {/ |8 H4 [

1 t; N9 Q0 J4 z* P; J3 e9 f, U
8 n7 f9 q1 O' g$ N" y* P- Q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。
; q1 h7 c* \, S' Y, K& b$ ]8 d来看通义千问出的这道翻译题目：



: B1 W2 y) q. k7 P" A( X
, f3 M$ x" y; K* T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：
" B. r! k$ |+ o+ a% X
& C; k0 C1 O' Y* C" [5 g+ G3 r+ a
/ U. D% e+ R& T
越来越离谱了。。

4 y2 ?3 k7 Q( Q) S

+ b4 n! a  y; d# S  u0 c! U
. H9 k, z7 f3 L! c
通义千问多轮对话的能力堪忧……
03
7 f. Y* J: L/ j5 K- S/ s数学题目
- m0 j6 P: U$ o8 b  w7 ^% }3 N; K来看初中的数学题：
' w, p0 `0 s6 x! a$ a6 g1 o& }
3 W& Z' }% i3 G& ^; c/ f7 ^- n6 g
4 L  ~& O' n- z$ u


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。
通义千问出的初中数学题目：


% H7 k; m& G8 J, R6 O* z$ }  w0 }

- V  ~+ U5 {) M: T
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：
1 ^6 W6 V& }, I& X

) ]  i) M0 ~/ N) m
* z- N0 Q4 o5 n$ |" R8 e; ]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：

: i/ Z2 f" w4 L: b" B1 m

这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
7 p  ~9 |' m; Q& m9 e. C写作题目
来看文心一言出的写作题目，双方的作答情况：


) \  G0 z5 z; g% T
3 L/ P' m/ e6 v8 w/ j& X' p, t1 G

' C( [0 I: q# a, \% ^/ _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。
! j) W5 y; e5 s& i0 C9 E# 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？
  ?. s5 _1 x& R6 g( y1 c; a$ w1 ^$ S来看通义千问出的作文题目，双方的作答情况：
) R& V  [; L# m  Q
$ V1 p* D" J5 q( |* g7 a2 Z
' L" X0 d7 v/ l2 k& ?0 M


( Z: z/ m, q+ n2 ^/ s


. I9 K9 x# q0 `+ [& |
" G) L& e3 o/ G  Z% N# F
( C% D8 Q7 R) \
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
代码生成
来看代码生成的相关题目：



! p# M. Q. C- d6 K( O$ ?

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 ~~
7 ]0 j+ m1 n- i4 Y再来看通义千问出的这道代码生成题目，二者作答情况：

# n$ _3 e- m9 D" W" A! m
$ e8 X( u# [% g1 \


- u0 R5 w, X) c$ N' Q8 G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。"
& ~' m+ ?& a" p; x06
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：
* h  }; G- C7 g

. `2 ]8 O' s3 m6 _
9 z0 _5 v- m& n

+ p1 q" d7 g4 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。
0 F& l* K8 i* \) ^" f; Y) n最后一道题目，由通义千问提出的问题，看看双方的解答：
5 j; O* j' d- o+ c( ]: S) |+ w3 f5 R/ h2 e! q
7 `3 ^- `: N% y# W4 d
* S! U' I  v% s; _6 S) J9 f0 F


. \: t+ d( Q5 G* U& N% r
& m, |/ S) J+ T2 v5 }- @5 M. s
# ^$ q, r; r2 `$ E  |+ o; h$ V

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。
, k! S" o0 M8 Q07
" B9 |6 h6 b2 s/ H总结
5 E" _& g4 d5 `6 Y2 x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。
" K4 U% C. N6 x* }0 a1 l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。
' t4 x+ q$ P2 X, C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。
* U  Z! x) G3 {8 s4 ~( @3 E$ G+ I. Q在作文题目上，二者各有千秋，但都还是有机器回答的痕迹。
8 ?% _# c( c1 L$ e' o. Q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。
; v6 E+ ?" B, h, C) h8 d! D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。
- F# o. `5 Q) J& s2 P. L6 A1 w# m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 f# t  A( U" r" k- P- L& @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。
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。
( G, S% o: m7 ?3 W7 v! V3 e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* c4 [9 K) |END
本文作者：王上