AI数学难题曝光多家大模型误判911与99大小之争

关于近期AI大模型在处理基本数学问题上的表现，尤其是诸如“9.11和9.9哪个大”这类简单对比题目的错误率，引发了业界广泛关注与讨论。多家知名大模型开发公司，包括阿里巴巴、腾讯、网易有道、学而思等，对此现象进行了深入剖析。他们普遍指出，大模型在面对此类问题时的准确率波动，源于其基于概率预测的运行机制，以及在数学规则理解和应用上的局限性。

阿里通义实验室产品经理王晓明表示，大模型在解答这类问题时，并非像人脑那样直接进行数值比较，而是基于语言模式进行预测。这意味着，即便同一问题，大模型也可能给出不同答案，其正确与否取决于模型在训练过程中接触到的相关情境。腾讯混元团队补充说明，大模型作为语言模型，其核心在于预测文本序列中的下一个词，这种机制使其在处理数学运算或数字比较时存在天然障碍。

为改善大模型的数学处理能力，行业内部正积极寻求解决方案。一方面，提升模型训练数据中数学相关素材的比例，以增强其在数学领域的理解和推理能力；另一方面，通过集成外部工具，如计算器和代码执行器，来弥补大模型在精确计算上的短板。学而思的九章大模型（MathGPT）便是一个成功案例，该模型通过大量数学训练数据和模拟学习过程，显著提升了在数学题解答上的准确性和逻辑连贯性。

值得注意的是，提问方式对大模型的表现有着重要影响。明确指示、逐步引导或设定特定场景，能帮助模型更好地理解问题意图，从而提高解答质量。然而，彻底解决数学难题，仍需依赖于下一代大模型的迭代升级，以实现更深层次的数学能力和逻辑推理的优化。

尽管当前大模型在处理数学问题上存在局限，但业界普遍乐观，认为通过不断优化训练策略和算法，未来的大模型有望在数学领域展现更强的潜力。同时，持续收集和分析边缘案例，对于推动大模型能力边界的扩展至关重要。随着研究的深入和技术的进步，大模型在数学领域的表现值得期待。