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，育老绵阳市某某电气有限公司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！育老绵阳市某某电气有限公司”
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：焦点)
遭老板性侵女高管每月心理治疗费4000
机器人教父冷酷预言：未来15年，百亿资金灰飞烟灭，人形机器人终成废铁
欧盟考虑有条件地将燃油车禁令推迟五年-
近日，2025年全国青少年信息学奥林匹克联赛NOIP）成绩揭晓，我校学子再创佳绩：6人斩获全国一等奖！高三年级2人）高三7）班张保霖、李竹指导老师：董登丰高二年级1人）高二9）班李唯一指导老师：董登丰
...[详细]
-
2025年12月31日的火车票正式发售，去哪儿数据显示，截至12月17日上午10：00，已有多条热门线路的部分车次售罄，包括北京到哈尔滨、北京到郑州、北京到武汉，深圳到汕头，成都到宜宾，成都到西昌，宁
...[详细]
-
当地时间12月16日，央视记者获悉，美国得克萨斯州总检察长肯·帕克斯顿当日起诉西南公共服务公司在得州以“埃克西尔能源公司”名义运营），指控其在维护老化的电线杆方面存在疏忽，倒塌的电线杆引发了该州历
...[详细]
-
为什么有人冬天穿短裤，有人穿羽绒服还嫌冷？身体早就给了答案2025-12-16 15:44:30 来源：“科普中国”微信公众号
...[详细]
-
来源：CCTV国际时讯 更新：据澳大利亚新南威尔士州警方最新消息，警方在邦迪海滩逮捕两人。警方称其行动仍在进行中。 澳大利亚警方今天表示，他们正在应对悉尼邦迪海滩一起正在发展的突发事件，并呼吁
...[详细]
-
△土耳其国防部资料图） 土耳其国防部当地时间12月15日发布通报称，土耳其空军F-16战机当天在黑海上空击落一架接近土耳其领空、被确认已失控的无人机。 通报指出，土军雷达系统发现了这架无人机后，按
...[详细]
-
16日，重庆市万州区公安局通报： 近日，网传一女子坐公交被猥亵，我局已于案发当日2025年11月20日）依法处理完毕。当天13时许，田某男，23岁）在万州区周家坝乘坐公交车时，故意触碰一名女乘客
...[详细]
-
海南自贸港即将正式启动全岛封关。对于封关后的发展重点，中国国家创新与发展战略研究会学术委员会常务副主席、重庆市原市长黄奇帆认为，一些应着力推进的关键方向将对海南及全国产生重大战略意义。 黄奇帆认
...[详细]
-
12月10日至15日，第五届广东省中小学青年教师教学能力大赛总决赛在广州市举行。经过最后的角逐，15日下午，本届赛事举行闭幕式及颁奖大会，深圳市宝安区西乡街道中心幼儿园教师王忠明、佛山市顺德区本原小学
...[详细]
-
明天，12月18日，海南即将全岛封关。 47年前的12月18日，十一届三中全会拉开改革开放大幕，广东敢为人先，勇立潮头；47年后的同一天，中国开放的前沿，又竖起一座新的里程碑——海南自贸港全岛封
...[详细]
