一道小学生难度的数学题难倒了一众海内外AI大模型。
问题是：“9.11和9.9哪个更大?”就此问题，记者测试了12个大模型，结果显示阿里通义千问、百度文心一言、Minimax和腾讯元宝答对了，但ChatGPT-4.0、字节豆包、月之暗面kimi、智谱清言、零一万物万知、阶跃星辰跃问、百川智能百小应、商汤商量都答错了。每个错误的原因都各有不同。
大部分大模型在问答过程中错误地比较了小数点后的数字，认为9.11大于9.9。考虑到数字涉及的语境问题，记者将其限定为数学语境下，但像ChatGPT这样的高级模型也依然答错。
这反映出大模型在数学能力上的不足，这是一个长期存在的问题。有行业人士认为，生成式语言模型从设计上更偏向文字思维而非数字思维。然而，针对性的语料训练或许能在未来逐步提升模型的理科能力。
