大模型集體失智：9.11和9.9哪個(gè)大,，幾乎全翻車了

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-07-18 09:34:37 海報(bào)新聞

近期,，一個(gè)看似簡(jiǎn)單的數(shù)學(xué)問(wèn)題挑戰(zhàn)了眾多前沿的人工智能大模型,，引發(fā)了業(yè)界的關(guān)注,。問(wèn)題本身并不復(fù)雜：9.11和9.9哪個(gè)數(shù)字更大,？然而,，在第一財(cái)經(jīng)記者的測(cè)試中,，即便是先進(jìn)的AI系統(tǒng)也出現(xiàn)了分歧,。在12款接受測(cè)試的大模型中，只有阿里通義千問(wèn),、百度文心一言,、Minimax和騰訊元寶給出了正確的答案，剩余八款模型,，包括知名的ChatGPT-4o等,，則在這個(gè)基礎(chǔ)數(shù)學(xué)問(wèn)題上栽了跟頭。

這些出錯(cuò)的大模型大多陷入了比較小數(shù)點(diǎn)后數(shù)字的誤區(qū),，誤以為9.11大于9.9,。即使記者明確指出是在數(shù)學(xué)的語(yǔ)境下進(jìn)行比較，類似ChatGPT這樣的頂尖大模型也未能避免錯(cuò)誤,。這揭示了長(zhǎng)久以來(lái)大模型在處理數(shù)學(xué)問(wèn)題上的不足,，反映出它們的設(shè)計(jì)更偏向于文字處理而非數(shù)字邏輯。

該現(xiàn)象的起因可追溯至一檔綜藝節(jié)目中的投票率比較，觀眾對(duì)13.8%與13.11%的大小產(chǎn)生爭(zhēng)議,，進(jìn)而引發(fā)了公眾對(duì)AI處理此類基本數(shù)學(xué)問(wèn)題能力的好奇和測(cè)試,。測(cè)試結(jié)果顯示，許多AI在面對(duì)這類基礎(chǔ)數(shù)學(xué)問(wèn)題時(shí)顯得力不從心,，盡管它們?cè)趶?fù)雜的語(yǔ)言任務(wù)上表現(xiàn)出色,。

探究其背后的原因，專家們指出,，生成式語(yǔ)言模型的本質(zhì)決定了它們更擅長(zhǎng)處理基于文本的關(guān)聯(lián)性任務(wù)，而非數(shù)學(xué)所需的邏輯推理和精確計(jì)算,。語(yǔ)言模型通過(guò)學(xué)習(xí)海量文本數(shù)據(jù)來(lái)預(yù)測(cè)下一個(gè)詞,，這使得它們?cè)谖膶W(xué)創(chuàng)作上能夠展現(xiàn)出接近人類的水平，但在需要嚴(yán)謹(jǐn)邏輯和抽象思維的數(shù)學(xué)領(lǐng)域,，卻顯得力有未逮,。此外，數(shù)字處理時(shí)的分詞問(wèn)題也是導(dǎo)致錯(cuò)誤的一個(gè)技術(shù)因素,，現(xiàn)有分詞器往往沒(méi)有針對(duì)數(shù)學(xué)計(jì)算進(jìn)行優(yōu)化,，可能導(dǎo)致數(shù)字被錯(cuò)誤分割，影響模型的理解,。

12 全文共 2 頁(yè)下一頁(yè)

關(guān)閉

大模型集體失智：9.11和9.9哪個(gè)大,，幾乎全翻車了

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)