数学都是体育老师教的！13.11和13.8谁大？大模型翻车了
出品｜网易科技《态度》栏目
作者｜宗淑贤
编辑｜丁广胜
前几日，数学师教频频霸榜的都体的和综艺《歌手》又一次冲上了热搜。不过这次，育老云南某某企业管理咨询销售部话题的模型焦点无关“好听”“难听”，而是翻车从台上竞演的嘉宾转移到了台下讨论的网友身上。
13.8%和13.11%哪个大？
谁也没有想到，都体的和这道本质上源于小学四年级数学内容的育老问题，居然难倒了一众网友。模型
对此，数学师教有网友感叹：“现在知道天天在网上抬杠的都体的和都是什么人了吧？”也有网友无奈回怼：“实在不知道谁大谁小，就去问问AI吧！育老云南某某企业管理咨询销售部”
然而，模型当你真的翻车把这个问题抛给AI来解答，你会惊讶地发现——AI也不会。
AI2的研究员林禹臣在推特上贴出了自己用GPT-4o尝试的结果。面对13.11与13.8哪个大这一问题，GPT-4o认为13.11大于13.8，并解释称：“虽然13.8看起来更大，因为它小数点后的数字更少，但13.11实际上更大。这是因为13.8相当于13.80，而13.80小于13.11。”
对此，林禹臣评论说：“常识对AI来说仍然很难。”“这种常识性的人工智能失败案例让我不断想起@YejinChoinka的TED 演讲：为什么人工智能既聪明无比，又愚蠢至极。”
一、大模型的作答现场
带着这个问题，我们对当下主流模型进行了简单的测试。其中，通义千问、文心一言、360智脑、字节豆包、百小应、有道小P和讯飞星火都作出了正确的回答。不过在原因解释方面，讯飞星火略显逊色，其余模型则都是按照分开比较整数和小数部分的思路进行了较为详细的回答。
通义千问
文心一言
360智脑
字节豆包
百小应
有道小P
讯飞星火
而月之暗面旗下的kimi和ChatGPT在这一问题上则双双翻车。
当kimi被问到“13.11和13.8哪个大”时，它首先给出了13.11大于13.8的答案：
经过进一步追问原因，kimi转而又作出了截然不同的回答：
经过第三次追问，kimi终于意识到自己在此前的回答中存在错误，对这一问题的答案进行了修改纠正：
反观ChatGPT，就显得不甚善于反思：
经过两次反问，ChatGPT表示自己对此前错误的回答感到抱歉，并承认13.8大于13.11。但当询问它能否解释原因时，它却给出了这样的回答：This is because the number 13.8 is read as "thirteen point eight," which is larger than "thirteen point eleven".
二、大模型为什么会“数学不好”
回答不好小学生数学题，人工智能大模型又一次被送上了舆论的风口浪尖。面对现今蓬勃发展的各类大模型，人们仍有疑虑：
这到底是人工智能，还是人工智障？
实际上，这一问题并不是最近才出现的，“数学不好”一直是各类大模型的短板。根据上海人工智能实验室旗下司南评测体系OpenCompass进行的高考全卷测试结果，包括GPT-4在内的七个大型人工智能模型在高考语文和英语科目的测试中普遍表现出色，然而在数学科目上则均未能达到及格线，最高分也仅达到了75分。
业内人士将大模型“数学不好”的问题根源追溯至LLM（大型语言模型）的架构设计本身。
LLM通常依赖监督学习，特别是通过预测文本中下一个词的方式来训练。这一过程中，模型被投喂海量的文本数据集，学习并预测给定文本后下一个词出现的概率分布。通过不断将模型的预测与实际文本进行对比和调整，语言模型逐渐掌握了语言的内在规律，从而能够预测并生成连贯的文本。
然而在LLM的框架内，存在使用Tokenizer这一关键环节。它负责将输入的文本分割成更小的单元（tokens），以便模型处理。问题在于，Tokenizer的设计初衷并非专门服务于数学处理，因此在处理包含数字的文本时，可能会将数字看做文本字符串而非数值，从而进行不合理地拆分，导致数字的整体性和意义在模型内部被破坏。
对此，360CEO周鸿祎以9.9和9.11为例，进行了更为通俗的解释：
“大模型全称叫大语言模型，它首先解决的是对人类自然语言理解的问题。所以大模型并没有把9.9和9.11当成一个数字来看，而是把它们分成了两个token。没有经过专门特别的提示和训练，大模型是不懂阿拉伯数字也不懂数学的，所以大模型是按照一个文字的逻辑来进行比较的。9前面是一样大的，那么11比9要大，所以就得出来9.11比9.9要大。”
除了架构设计存在不足外，大模型“数学不好”或许还与它所接受的训练方式有关。主流模型的训练主要源于互联网的文本数据，这类数据中数学问题和解决方案相对匮乏，也在一定程度上限制了模型在此类技能上的发展。
因此，在各类大模型井喷式诞生与发展的现在，也许我们也应当反思：AI该如何进一步设计与训练，才能真正像人类一样思考？
延伸阅读 (责任编辑：时尚)
成都一诊划线公布！附全科无水印试卷及答案
北京通州警方：不法人员假冒媒体杜撰文章上传网络，已立案侦查
瑞士警方：已确认瓦莱州火灾事件24名遇难者身份-
马杜罗之子号召支持者上街抗议美国入侵行径 委内瑞拉总统马杜罗之子尼古拉斯·马杜罗·格拉4日发声，号召马杜罗的支持者走上街头，抗议美国的入侵行径。针对他父亲可能被“身边人”出卖的传言，格拉回应称，
...[详细]
-
疼痛淤青、流血不止，一家人患“怪病”持续四年，血液中查出鼠药成分
重庆南川区张先生一家遭遇了一场长达四年的“怪病”：全身多处疼痛、四肢出现淤青、受伤后流血不止。就医后，医生怀疑他们是“鼠药”中毒。可持续接受了四年的治疗，症状依然存在。张先生表示，对于这件怪事，他们也
...[详细]
-
澎湃新闻特约撰稿 唐军10月1日，韩国建军76周年阅兵式在韩国京畿道城南市首尔机场举行。韩国为展示所谓的“强大军力”，不仅出动了5000多名官兵参加，包括“玄武”系列导弹、KF-21战斗机、P-8A“
...[详细]
-
天津籍女子李某在重庆市渝北区某银行大额取款时，因其神色紧张、资金流水存在异常，银行将线索通报到渝北区发诈骗中心。经渝北警方迅速调查，李某名下银行卡涉及9起诈骗案件，共骗取25人资金。渝北区公安分局刑侦
...[详细]
-
来源：国是直通车 29日，现货白银价格直线跳水，伦敦现货白银价格一度跌逾7%。现货黄金价格也跌破4500美元/盎司关口。分析人士认为，这凸显出投机性资金的获利了结态势，后续白银价格波动可能愈发剧
...[详细]
-
遇见石景山△北京市级非物质文化遗产——京式旗袍周日天气10月6日10℃～18℃不限号北京红叶上线！石景山这里将进入最佳观赏期十一返京高峰来临！建议避开高峰时段及易拥堵路段10月有这些考试，别错过→快讯
...[详细]
-
原标题：明起北京多条地铁延时运营，三座车站开通应急摆渡车） 新京报讯记者裴剑飞）记者从北京市交通委、北京市重点站区管委会获悉，国庆假期接近尾声，北京机场、火车站将
...[详细]
-
△以军持续空袭黎巴嫩资料图） 总台记者自以色列方面获悉，当地时间6日夜间，以军袭击了黎巴嫩首都贝鲁特南郊。 6日稍早时，以色列国防军阿拉伯语发言人阿德拉伊向黎巴嫩贝鲁特南郊四栋建筑附近的居民发布
...[详细]
-
来源：直新闻 据日媒1月1日报道，高市早苗此前一天在社交平台X发文回顾2025年时，提到自己在刚入住的公邸过年，称“还没遇到传说的‘鬼怪’”。 日本众议院预算委员会早前要求高市尽快从议会宿舍搬
...[详细]
-
新京报讯记者王景曦）北京市气象台预计，今天10月6日）北京有阴雨天气，预计白天最高气温18℃左右，体感阴冷；高海拔山区傍晚到夜间可能出现雨夹雪。今天夜间，北京阴有小雨或零星小雨转晴，北风二级左右，最低
...[详细]
