大模型集体失智：9.11和9.9哪个大，几乎全翻车了
大模型集体失智：9.11和9.9哪个大，几乎全翻车了
近期，一个看似简单的数学问题挑战了众多前沿的人工智能大模型，引发了业界的关注。问题本身并不复杂：9.11和9.9哪个数字更大？然而，在第一财经记者的测试中，即便是先进的AI系统也出现了分歧。在12款接受测试的大模型中，只有阿里通义千问、百度文心一言、Minimax和腾讯元宝给出了正确的答案，剩余八款模型，包括知名的ChatGPT-4o等，则在这个基础数学问题上栽了跟头。
这些出错的大模型大多陷入了比较小数点后数字的误区，误以为9.11大于9.9。即使记者明确指出是在数学的语境下进行比较，类似ChatGPT这样的顶尖大模型也未能避免错误。这揭示了长久以来大模型在处理数学问题上的不足，反映出它们的设计更偏向于文字处理而非数字逻辑。
该现象的起因可追溯至一档综艺节目中的投票率比较，观众对13.8%与13.11%的大小产生争议，进而引发了公众对AI处理此类基本数学问题能力的好奇和测试。测试结果显示，许多AI在面对这类基础数学问题时显得力不从心，尽管它们在复杂的语言任务上表现出色。
探究其背后的原因，专家们指出，生成式语言模型的本质决定了它们更擅长处理基于文本的关联性任务，而非数学所需的逻辑推理和精确计算。语言模型通过学习海量文本数据来预测下一个词，这使得它们在文学创作上能够展现出接近人类的水平，但在需要严谨逻辑和抽象思维的数学领域，却显得力有未逮。此外，数字处理时的分词问题也是导致错误的一个技术因素，现有分词器往往没有针对数学计算进行优化，可能导致数字被错误分割，影响模型的理解。
卡德罗夫授予普京车臣荣誉公民称号 时隔13年再访车臣
媒体人评两男子捉44只壁虎被刑拘 保护"三有"动物成焦点
今年第10号台风“珊珊”生成 未来五天对中国海域无影响
波兰边境集结坦克将与俄开战？假的 系建军节游行活动
日本在小岛建导弹靶场，连美媒都盯上了
媒体人评两男子捉44只壁虎被刑拘 保护"三有"动物成焦点
今年第10号台风“珊珊”生成 未来五天对中国海域无影响
《红楼梦之金玉良缘》票房暴跌 导演斥AI恶意评分
画面曝光！“美军事人员现身库尔斯克”
美国不断拱火菲律宾，中方：美无权介入中菲涉海问题
被虐致死女童母亲称男方重男轻女 求判生父及其女友死刑
王俊凯说别模仿我吃中药拌面 年轻人的"发疯"态度
新疆阿克苏库车市发生5.0级地震 震源深度15千米
美国批准对韩出售36架“阿帕奇”直升机
免疫力下降、增加癌症风险、损伤耳朵......有这种睡眠习惯的人要注意
杜兰特谈奥运会逆转塞尔维亚 末节狂飙20分反超
日本民间团体代表：冲绳不需要美军基地
捷克将利用被冻俄资产的收益为乌克兰提供弹药
处暑在中，三九暴雪”今冬雪多吗？冷冬预警：农谚解析来啦
美媒称拜登已批准一项高度机密核战略，首次将重心转向“中国核威胁”
美方军事人员被曝参与袭击俄罗斯库尔斯克州
德国暂缓军援乌克兰？朔尔茨回应
房东嫌我问题太多不想租给我了 事儿多引租忧
《黑神话：悟空》在台湾火了 中华文化魅力席卷全球
北京：免疫力下降、增加癌症风险、损伤耳朵......有这种睡眠习惯的人要注意
王楚钦说混双夺金是最开心的瞬间 搭档孙颖莎功不可没
俄乌就谈判问题激烈交锋：俄外长称目前不可能恢复对话，乌总统称正在实现战略目标
卡德罗夫授予普京车臣荣誉公民称号 时隔13年再访车臣
机器鹰、机器鱼……军用仿生机器人崭露头角
壮胆？台军动用多种导弹进行“精准导弹射击”演练
以防长：以军重心将从加沙逐步转向黎以边界
日本：中国海军075型两栖攻击舰穿越宫古海峡
俄媒：普京2011年以来首次视察俄车臣共和国，卡德罗夫在机场迎接
都是奔着毁容去的？一晚上全是！杭州医生：我清创清吐了
俄乌在库尔斯克战事“白热化”，俄乌“决胜”是否在此？
相关新闻
大模型测不出9.11和9.9哪个大 AI常识困境暴露
2024-07-17 13:58:59大模型测不出9.11和9.9哪个大AI答不出9.11和9.8谁大 大模型小学数学集体翻车
2024-07-17 20:40:10AI答不出9.11和9.8谁大北京网友测试教育大模型9.9比9.11大 8大模型犯错揭示短板
近期，一个看似简单的数学问题挑战了众多先进的人工智能大模型，引发了业界关注
2024-07-19 08:05:47北京网友测试教育大模型9.9比9.11大恒大“担保人”，果然翻车了？
恒大“担保人”，果然翻车了普华永道回应被指审计恒大失败：不实 已经采取应对措施还记得大明湖畔的夏雨荷吗？哦不，还记得之前我写的罚死那个恒大的“担保人”吗？对，我说的就是普华永道。
2024-04-16 10:57:14恒大“担保人”台湾93岁老人因病失智 一直喊妈妈 亲情穿越失智的呼唤
2024-05-24 15:52:58台湾93岁老人因病失智销量暴跌，去年排名第一的手机，又翻车了？realme困局：叫好不叫座
提及realme手机，大家的第一印象是什么？是高性价比，还是引领潮流的设计？如同近期与一加、红米等品牌探讨的趋势一样，realme发布新机的速度也围绕着“高效”二字
2024-06-08 15:25:53销量暴跌
