13.8和13.11哪个大？

13.8和13.11哪个大？

综艺节目的选手排名，竟让一道本不该成为争议的“小学数学题”，在网上掀起讨论。记者测试了多款大模型，在这道数学题上，它们错得“振振有词”。

在2024世界人工智能大会上惊艳亮相的阶跃星辰，其产品“跃问”就在这道题上栽了跟头——

“比较两个数的大小，可以直接观察它们的十位和小数部分”，这句判断，就已经忘了个位数的存在。

“由于十位相同，我们只需要比较小数部分。0.11等于11/100，而0.8等于8/100。显然，11/100大于8/100，所以13.11大于13.8。”相信明眼人一眼就看出了大模型的“故障”所在。

已经被不少人广泛使用的月之暗面kimi，同样回答错误。面对相同的问题，它“斩钉截铁”：13.11比13.8大。再追问为什么，kimi认为先比较整数部分，两者相等。接下去就让人越来越看不懂，“然后比较十分位上的数字，……接下来比较百分位上的数字，13.8的百分位是0，而13.11的百分位是1。1大于0，因此百分位上13.11更大。”

科大讯飞的“星火”，是回答正确的“选手”之一。在最关键的步骤，“星火”判断：小数部分0.8大于0.11，因此可以得出13.8大于13.11的结论。

多家大模型研发企业的研发人员解释称，两个数字的大小比较对于普通人来说是常识，然而对大模型而言，它们并不能理解这两个数字是什么意思。如果明确告知大模型两个数字是浮点数（实数）再让其比较的话，大模型就更容易理解这个问题的内涵。“虽然大模型在很多方面的能力都非常强悍，但在常识推理能力上还需要持续学习进步。”科大讯飞研发人员说。

继公布AI高考语数外成绩后，由上海人工智能实验室推出的大模型开源开放评测体系“司南”又在近日对7款大模型进行了高考全科目测试。结果显示，在理科成绩方面，“AI考生”整体弱于文科，体现了大模型在数理推理能力上普遍存在短板。阅卷教师指出，对于大多数人类考生，一旦发现计算存在问题，会反思此前的步骤并重新更正计算过程，而不会“硬蒙”出答案。

同样在数学科目的一道立体几何题中，大模型的平均得分率远低于数学科目平均得分率35.5%，通过检查模型回答，评测团队发现，模型往往会出现一些完全不符合空间逻辑的推断。 本报记者 郜阳