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。
  ?7 O5 o; ]! A来源|多知网
9 G5 A% ]7 O, S作者 |王上
2 C8 x, j; x" @9 j4 u, c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。
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。
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。
  b1 q+ F1 c6 M0 o) w, Z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。
' O" g4 H; \) g( ~& F" o01
" 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：

5 z% w' X+ V( Q# ~8 ~



1 E2 F5 P- v$ c% J$ o/ j3 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。
% I1 N; K+ I7 w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——
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：

# F: ]! T+ Z- H+ y, o$ g; j8 q

6 ~  \: `( `- {: X9 Q8 W1 D! J2 N' V

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：

: `& I, n. D4 H+ R' X. i


4 H% S7 Z& P7 N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：

$ c! Q$ B8 E0 Z9 ?
2 y8 ~" @0 W( p: Z+ ^
越来越离谱了。。

2 t  ?! W7 q2 B6 c, Q9 q


" F" _/ y' H4 H% D" ?
' U) V+ k; x% i$ X1 L7 R. W1 w通义千问多轮对话的能力堪忧……
  @0 E( q5 t, f% s9 M  U03
数学题目
来看初中的数学题：




) ^& r/ |& V+ {- ?3 H  x
2 Q3 R2 y5 s' 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？
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。
# V3 V3 f2 V* @; M6 e通义千问出的初中数学题目：

6 e3 L4 f9 \, q
: ?- U! A, M( J% ~' H$ C# i  M$ c" \
5 A. N0 N) K* a) z8 p5 Z" G; x
8 Z( @; ^, D9 g  J) \( a
9 U0 A* y& u) L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：

% C$ P2 I: U2 u& i3 S4 E3 A9 p

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：

$ a% m) i: h: V  Q8 ?/ B
2 q9 U* j( s! {4 H$ u% o
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
  A" t' l+ }- G) h! N  i8 N( {1 c写作题目
* F* ]: S# k+ Z, z来看文心一言出的写作题目，双方的作答情况：

& ?$ ^% f( p3 j$ S
9 c/ j! k! Q$ h% a3 C

8 l7 q$ B/ u  A7 t: k
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？
6 I% q  n, q; h0 L* N' V来看通义千问出的作文题目，双方的作答情况：

* P1 t$ U! ^$ e, s- S! R+ G: k: y5 F% x

& f  t. [  k, ?8 E3 G& v

6 }4 d0 ]/ S! z6 j




2 F6 t, |, a0 j3 ]
* y* C0 ~5 ~$ ]2 b1 ^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
) p4 P3 s- M3 q% Z* a代码生成
来看代码生成的相关题目：
9 L) D: j8 o( h) Z1 A
# u, @# `0 d' g* G: y" z8 t* o
# x8 L1 u% ~  K; a
4 `4 }% `7 v. @9 c9 u
% B4 Q& f1 X% t# d. k/ u  L( t/ d
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 ~~
: p: W, Q' _& h$ b* U+ v% c再来看通义千问出的这道代码生成题目，二者作答情况：
5 S# H8 \9 c% b6 X


. e3 v, a# V+ a  G8 U

2 J5 Y7 P- g4 x9 i7 ]6 }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。"
6 h$ V, H8 C. s2 R0 {06
心理辅导
* s. {1 r" g! D8 h. v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：
  X& U6 ]( L3 a


6 h+ T( |4 M  }  ?

( A$ J, A8 Z5 k: H8 H& f0 ^6 z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。
+ Y8 o7 _1 ?& f8 V最后一道题目，由通义千问提出的问题，看看双方的解答：
6 W: t% z2 L4 Q  c4 Y& ~! |/ Z
5 Q0 k0 l& H4 Y, P2 W+ K3 E

$ W* @; G7 X  D, @$ s9 K

5 I7 h% O& |9 J0 _7 n* I2 ^' m- p
+ b; k- ^) o, y
2 j) a* q% T) R: Z/ Z

4 M* f3 w: O  A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。
" k3 ^1 N  H, C$ E6 E! U07
' f! m. N' R! Q% Z5 R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。
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。
% z0 D$ i" v& A7 G0 c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。
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。
7 T- r) P% A" W* }3 s; V) L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。
END
4 d  {; P- b9 y6 q% J7 _1 R本文作者：王上