发布日期：2024-07-24 01:55 点击次数：94
最近有个问题挺火动漫区，歌手2024的适度，孙楠13.8%排第三，CM13.11%排第四，竟然引起网上许多东谈主质疑，觉得13.11比13.8大，质疑官方公开作弊。摒除有东谈主挑升搞笑，大致真是有东谈主这样想。
因为小镇拿AI试了一下，问AI们9.11和9.9哪个数更大，适度全宇宙Ai们纷繁翻车，翻车的主若是好意思国的大模子，觉得9.11更大，而中国大模子大齐对了。
其实论断判断错了倒也遣散，问题是许多AI明明逻辑是正确的，也知谈个位数齐是9，需要相比少许点之后的少许，但好意思国的AI们竟然觉得少许点后的11>9，是以9.11更大。
先是外洋的，集体翻车：
色吧性爱GPT-4o错得很干脆，平直说0.11大于0.9。
GPT3.5Turbo是相同的特地。
2024年6月新发布Claude3.5，还有谷歌的Gemini 1.5 Flash最搞笑，一边说11/100比90/100小，然而又说0.11比0.9大，逻辑也曾绝对乱了。
Sider Fusion跟GPT一个特地动漫区。
精神最紊乱确当属Meta公司的Llama 3。既小又大，归正两个论断齐说了，就差说9.11和9.9相同大了。
惟一正确的是谷歌的Gemini 1.5 Pro，这个版块是1.0 Ultra和1.5 Flash的升级版，终于知谈少许点之后要一位位的比，竟然Flash不愧是“最快的模子”，别管对分歧，快就完事了。
跟集体翻车的好意思国AI们相对比，中国AI靠谱太多了，测试了四个，差异是通义千问、文心一言、讯飞星火、月之暗面的Kimi，除了Kimi齐对了，文心一言还终点强调，少许部分相比要从左到右、每一位齐要进行相比。
天然国产大模子也有虚假的，但总的来说，手脚中好意思两国头部的大模子，国产大模子大多数是对的，与外洋大多数是错的形成了默契对比。
天然毕竟9.11和9.9的相比简直是太容易了，不成因此觉得好意思国的数学水平比中国低，当今AI也照实无边存在近似幻觉率太高的问题，这也导致大模子当今很难运用于实质坐褥，毕竟搞搞翰墨、图片、内容生成，错了就错了，实质坐褥如果出现这种虚假，那问题就大了。
但探讨到AI大模子磨真金不怕火是基于多半的数据，好意思国确天然用好意思国的数据，中国的用中国的数据，那么形成这个虚假，就两个可能：
一是好意思国的大模子存在严重的底层虚假。发现一个蟑螂就意味着有更多莫得发现的，还有若干近似于9.11大于9.9的好笑虚假？这些虚假的存在势必会影响大模子的实质使用。
当今中好意思大模子基于的基础表面是一致的，因此不至于因为基础表面和架构，出现中国大模子不错、好意思国不行的问题。
二是好意思国国民数学平均才智远远差于中国。毕竟进行磨真金不怕火的工夫，不可能只聘任来自精英的数据，大致是好意思国近些年极为无边的看轻理工科诠释、全民反智倾向，导致了这一后果。
天然，以上臆度仅仅一种可能，表面上不至于在这样省略的问题上出现虚假，那么还有一种可能，那等于“草台班子”问题。
但凡在这个问题上出现虚假的AI大模子，建造团队确定平直把数字当文本处理了，天然修起的工夫会提到少许，但实质分析的工夫忽略了少许点，属于极度基础的模子分词虚假。
也可能是某些大模子在处理的工夫，为了检朴资源，平直用了32位单精度以至16位半精度计算，而莫得使用64位的双精度浮点计算。
但不管怎样，中好意思两国的头部大模子，好意思国的基本全错，中国的基本全对，默契好意思国的AI大模子公司需要反想，且看什么工夫这个问题能够获得立异，各公经理当收到了许多适度虚假的响应，如果一周时分还不成处理，那需要反想的就更多了。
从当今看动漫区，至少外洋的大模子AI不太合适作念数学题，照旧别难为AI了。