文心一言 VS 通义千问，谁更懂学习？

复活的鬼是丑鬼

( @% Q* d" r' h9 r) S# p
; e/ E" p4 A% F) D* f国内的大模型还在路上，需要给他们成长的时间。
* Q# v6 p+ L& t$ C% H来源|多知网
作者 |王上
图片来源 | 言之画
2 K+ M2 \9 a7 J, v1 ?/ d1 l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。
& |+ q' R/ o3 \4 X. d3 e; R# u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。
6 ?. j" Y& N) j& F- v! e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。
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
% K) m; ~5 ^1 V( Z " 作为出卷人 "：题目正常、不算偏怪难
' L1 C3 a8 Q+ 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：
* c7 _7 a( A& C0 C( m; \2 E7 g


/ z" i, p7 p" u# }  w1 ]

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。
( l4 U# f& J% m7 g1 d6 C; C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：
) j( J$ e' f4 h$ n) t5 r. B* i


( n% m* b) @- P6 Q* f- @4 {

0 }) f+ u: ~- U& D" S  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。
" W" t% ^1 ^# ~来看通义千问出的这道翻译题目：

2 k0 c  L3 D+ @5 ?
: \7 Q# y7 T& W$ B7 n* i, [
4 [9 u7 U0 ^& m+ e& }
8 F- k3 ]( ]8 M2 q/ j) k. ?7 k9 |! i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：

- U% k/ W; Z* h! J! S& K: |0 `8 }
9 R! t7 a) ^0 j
" U- }& l" |" d1 Q8 H/ H/ Q- C越来越离谱了。。



3 \  M( s/ \" l7 i
2 u& P7 R7 [' o/ K1 ~! d
7 c4 B: X+ Y1 S! z通义千问多轮对话的能力堪忧……
03
+ I$ \5 c. Y) v( `3 \4 ?. z9 ?数学题目
+ e& C) t) Q8 |1 |: h  s3 n% k来看初中的数学题：


( @6 J. g3 S9 n: R# L4 @# W


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？
) b: ?) F3 v- s; O  J* r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。
+ U* e. b9 @5 c5 k4 D! B4 M通义千问出的初中数学题目：
. k% {  i' U' Q8 x* D$ `
1 R  g: I: c: }- W

( G8 |+ E# T1 V/ Y
1 h# a, X( N- ~$ T9 X
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。
1 {% r1 q3 H' G: b有点不死心，再次问了文心一言：
* `$ M! G0 S' [$ h# e- w1 Y1 {. w
$ V6 L& u8 H) @
5 Q1 S0 c# X; t9 \4 l. U+ _) y$ `
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：


' `' c4 P( G. Q4 R; {: ?
这……好吧 o ( ╥﹏╥ ) o，文生图的能力还得加油啊 ~~
04
0 V# k# _3 C$ S: J* R写作题目
来看文心一言出的写作题目，双方的作答情况：
+ a) }# B/ s; H' i$ V: x1 I3 i  p- X
8 v1 h! V6 s; b% R, C
7 y+ k) p+ t: k  `1 s) h: g


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。
, z. x: y; W* E+ o1 L' L4 m, T) w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？
: N  t3 _: o3 s' g0 F! M( R来看通义千问出的作文题目，双方的作答情况：
" i9 b: J- Z6 j

2 _8 r9 T  }" P, |
. X# ~& t- }* f+ Q


4 A! C: E' G. {4 n

0 L; X  @. x3 R8 D+ @* K& m
) \. h: Z$ O+ v* v# X7 T
0 ]/ ^# b7 `; [, r8 c
! |( B1 c2 S  Q+ g* X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
1 I! ^6 Z; D0 f4 \& S代码生成
8 M+ q6 F6 [4 j) r来看代码生成的相关题目：
) l$ H2 o0 P9 _0 i5 _( Y$ J

$ E6 n, @' d% g
) Q- Y" s- d. n1 D
* Y. k' I" R" k( F" ~$ N8 s
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 ~~
1 z1 }1 n9 _, i& c& T& Q4 K再来看通义千问出的这道代码生成题目，二者作答情况：
8 ]) i3 r4 T1 q8 B7 B/ M! m$ j

# h) Z/ b. {* l) l# o& i/ x


( a4 |6 Y' `3 k! H/ F- N+ B" i1 w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。"
% W8 y4 ]1 A2 \! g) l7 S. K9 H8 b06
5 ^9 K) V2 c; K心理辅导
7 H+ I+ V  H9 ]2 s2 Y' j% {, 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：
1 F; c9 l. P& G& d5 q


" J8 P% I2 w) g* ?4 \

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：

: O$ C$ I; ^. D5 l
6 F1 z* h' T* f  R2 S




$ `( a7 q( S! b: b) x+ ~, O2 j
# ]+ j; M2 I7 L9 J8 O/ _  Y5 u7 `
9 x# s/ m% r( _5 |: W& c8 Y9 X% k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。
  B+ E6 o! N* U+ J* @% m! R07
) ]# Z7 r4 ]* L0 H总结
4 r2 l6 \7 b& O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。
3 O# Y, X# ]6 e" ^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。
6 x. C: D1 c; U, 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。
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。
9 p+ _8 f) `$ W+ y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。
- V8 w: J) x5 \) V2 ^5 b1 f5 b) d9 ~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。
! q1 }/ j6 _, W1 z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。
$ Q% z6 C1 o3 k1 i" e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。
  ~8 X3 k7 U! Q/ q) F2 g% H( S. {END
本文作者：王上