分不清9.9与9.11谁大？ 大模型数学能力堪忧
每经记者 可杨 每经编辑 梁枭
13.11%和13.8%哪个大？9.9和9.11哪个大？
两道小学数学难度的题目难倒了众多主流大模型，在比大小的过程中，不少大模型给出了错误的答案。此外，此前《每日经济新闻》发布的《每日经济新闻大模型评测报告(第1期)》中，主流大模型被要求计算企业营业收入复合增长率时，没有一家大模型计算出正确答案。
7月17日，有大模型企业人士向记者表示，对于大模型而言，这不是很难解决的技术问题，只要“喂”了这方面的数据，就能得到准确的答案，只不过大部分的大模型厂商没有把这方面的训练作为重心，所以可能会出现上述不准确的回答。
大模型比大小“翻车”
由综艺节目《歌手2024》排名引发的热议蔓延到了大模型领域，也成了一场针对大模型数学能力的小测。
在《每日经济新闻》记者7月17日的测试中，对于13.11%与13.8%谁大的问题，除了智谱清言外，文心一言、通义千问、Kimi、商汤商量、百川智能百小应等大模型均给出了正确回答。
大部分大模型都在给出答案的同时呈现了推理过程。智谱清言给出的推理过程显示，在比较13.11%和13.8%时，13.11%是更大的数值。这是因为当比较两个百分数时，首先比较整数部分，如果它们相同，则比较小数部分。在这里，两个数的整数部分都是13，但13.11的小数部分11大于13.8的小数部分8，因此13.11%大于13.8%。
从推理过程判断，可能由于小数点后数位不同，大模型在比较过程中产生了幻觉。经过两轮提问后，智谱清言给出了正确回答。
当记者把问题换成“9.9与9.11谁大”，零一万物的万知大模型等同样在一开始给出了错误答案，当记者进一步追问“9.11减9.9等于多少”，甚至有大模型给出了“0.21”的答案。
万知大模型的推理过程稍显混乱：在比较9.9和9.11时，由于整数部分都是9，所以比较小数点后的第一位数字。9.9的小数点后第一位是9，而9.11的小数点后第一位是1。由于9小于10，所以在比较小数点后第二位数字时，9.9的小数点后第二位是0(隐含的)，而9.11的小数点后第二位是1。因此，9.9的小数点后第二位数字(隐含的0)小于9.11的小数点后第二位数字(1)，所以9.9小于9.11。
随后，记者向大模型提问：为何会出现有大模型认为13.11大于13.8的情况？
ChatGPT给出的回答显示，出现这种情况的原因可能是由于计算或比较方式的错误。可能的误差原因包括：数值理解错误，有时系统可能会误解数字的小数点位置；字符串比较，如果直接按字符串比较，可能会出现错误。因为字符串比较是按字符顺序逐一比较的，而不是按数值比较；代码实现错误，在编程中，可能存在比较逻辑或转换错误。
文心一言给出的解答则是，训练数据偏差、输入处理与理解、模型幻觉、推理能力不足等原因。训练数据偏差层面，即大模型在训练过程中，可能接触到了大量包含数字的数据，但这些数据并不总是以比较大小为目的。例如，数字可能出现在版本号、股票代码、基金表现、汇率等上下文中，这些场景下的数字大小并不总是具有直接的比较意义。如果训练数据中存在关于数字比较的偏差或不足，模型可能无法学习到正确的比较规则。
另一方面，可能由于大模型在处理输入文本时，将数字视为字符序列，而不是具有数值意义的实体。因此，在比较数字大小时，模型可能没有正确地将其转换为数值进行比较。另外，模型在处理小数时可能存在困难，特别是当小数位数不同时。模型可能没有正确地理解小数部分的比较规则。
这个问题不难解决
7月17日，有大模型企业人士在接受记者电话采访时表示，对于大模型而言，这不是很难解决的技术问题，只要“喂”了这方面的数据，其实就能得到准确的答案，只不过大部分的大模型厂商没有把这方面的训练作为重心，所以可能会出现上述不准确的回答。
这也并非大模型的数学能力首次受到关注。
6月，上海人工智能实验室通过旗下司南评测体系OpenCompass对7个大模型进行高考“语数外”全卷能力测试。测试结果显示，三科总分420分，大模型最高分仅303分，其中语文、英语表现相对良好，数学全不及格。
在此前《每日经济新闻》发布的《每日经济新闻大模型评测报告(第1期)》中，对主流大模型的财务数据计算和分析能力同样进行了测评。在财务数据计算中，当被要求计算营业收入复合增长率时，没有一家大模型计算出正确答案。
综 合 来 看 ，Anthropic Claude 3 Opus表现最为出色，以总分136分高居榜首。该模型在计算题的任务一(同比增长率计算)和任务二(毛利率计算)中均获得了较高的分数，但在任务三(复合增长率计算)中未能给出正确答案。
幻方求索DeepSeek-V2是“财务数据计算和分析”场景评测中的一匹“黑马”，以总分133.4分位列第二。该模型在计算题的任务一和任务二中同样表现良好，但在任务三中也未能给出正确答案。不过，在计算复合增长率的任务中，尽管其答案有误，但已掌握了正确的公式。
零一万物Yi-Large的总分达到了126.4分，该模型尽管“分析写作题”得分略逊一筹，但在计算题的任务一和任务二中表现稳定。该模型在计算复合增长率时，同样给出了错误答案，但也给出了正确的公式。
外媒关注中国春节新变化：年味更浓、消费强劲、旅游更热 中新网2月18日电(魏晨曦)2024年春节是农历新年被确定为联合国假日的第一个春节，浓浓的年味，丰富的美食，消费的热潮……中国人把春节过出了新高度，中国经济的 平台数据显示春节中国游客足迹遍布全球1700多个城市 中新社北京2月17日电 (记者 刘亮)中国在线旅游平台去哪儿17日发布的数据显示，今年春节假期中国游客足迹遍布全球115个国家，覆盖全球1754个城市。 据去哪儿 中国考古，在许多外国人甚至中国人看来，一度非常神秘。近日记者在与中国考古学家的交流中了解到，从考古技术发展、到公众考古创新，再到中外考古交流，中国正不断构建具有中国特色、中国风格、中国气派的考古 新华社记者周楠、余春生、谢奔“路上快要结冰了，开车要注意安全。”2月21日中午，在省道S306茶垭段，寒风瑟瑟，湖南省桑植县竹叶坪乡政府工作人员李雅敏正和同事对过往车辆进行警示提醒。气象部门分析，受强 江苏省农垦集团有限公司原党委书记、董事长李春江接受纪律审查和监察调查 中新网2月23日电 据中央纪委国家监委网站，据江苏省纪委监委消息：江苏省农垦集团有限公司原党委书记、董事长李春江涉嫌严重违纪违法，目前 实习期“双向侵权”如何破解？ 劳动时间长，拿到的报酬却很微薄；实习岗位上受了伤，无法获得工伤赔偿……权益受侵害难维权，让职校生实习遭受到多方诟病。与此同时，用心培养后很难留住优秀实习生，付出的人力物力“竹 。本文链接：分不清9.9与9.11谁大？ 大模型数学能力堪忧http://www.sushuapos.com/show-5-22261-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
下一篇： 暑期档何以如此热力十足