一道小学题难倒海内外8个大模型
一些简单的数学问题近期挑战了一群先进的AI大模型，引发了业界关注。在对比9.11与9.9的大小时，尽管阿里通义千问、百度文心一言、Minimax及腾讯元宝能够给出正确答案，但包括ChatGPT-4o在内的其他8个知名大模型却犯下了错误，它们大多基于小数点后的数字进行直接比较，忽略了整数部分的重要性。这一现象反映出了当前大模型在数学处理能力上的局限。
该话题起因于一个综艺节目的投票率争议，进而激发了公众对AI处理基础数学问题能力的好奇与探讨。测试结果显示，即便是调整提问语境明确为数学领域，部分大模型仍无法给出准确答案。不过，当被指出错误后，大多数模型能够自我纠正并提供正确解答，显示出一定的学习与适应能力。
这一现象背后的根源在于大模型的设计偏向于处理语言和文本数据，而非数学运算和逻辑推理。语言模型擅长捕捉文本间的关联性，这使得它们在文学创作等方面表现出色，但面对需要严密逻辑推理的数学问题时则显得力不从心。专家指出，要提高大模型的理科能力，除了丰富它们的世界知识外，还需要通过特定的训练使其掌握推理演绎技能。
另一个技术挑战涉及到分词器（Tokenizer）对数字的处理方式，它可能错误地将连续数字分割，影响模型对数值的正确理解。尽管如此，随着技术的进步和针对性语料的增加，模型在数学处理方面的能力有望逐步提升。
