“偏科”的國產(chǎn)大模型：長于文本、弱于數(shù)理、作畫湊合

采寫／王舒然

編輯／萬天南

國產(chǎn)大模型集體交答卷了。

8月31日，首批11家國產(chǎn)大模型獲批上線，包括百度的“文心一言”、 商湯科技的“商量SenseChat”、 智譜AI的“智譜清言”、MiniMax的“ABAB”、 上海人工智能實驗室的書生通用大模型、抖音的“云雀”、百川智能的“百川”以及中科院旗下的“紫東太初”、 科大訊飛的“訊飛星火認知大模型”、阿里“通義千問”、360智腦。

其中，文心一言、商量SenseChat、抖音基于“云雀”研發(fā)的AI智能助手“豆包”、智譜清言、MiniMax的“ABAB”、“訊飛星火認知大模型”已經(jīng)面向公眾開放測試。

另據(jù)第一財經(jīng)報道，阿里“通義千問”、360智腦也預計在未來一周左右陸續(xù)開放。

自今年2月ChatGPT掀起“生成式AI”熱后，國產(chǎn)大模型齊齊備戰(zhàn)，7個月后的今天，到了驗收成果的時候。

就速度而言，不可謂不驚喜，但真正讓人關(guān)心的還是效果如何。

《財經(jīng)故事薈》體驗了上述6家已經(jīng)開放測試的大模型，從文本創(chuàng)作、數(shù)理計算、作畫、信息檢索等角度與其做了對話，發(fā)現(xiàn)這些大模型已經(jīng)能解決相當一部分問題，尤其在文本創(chuàng)作方面頗有些亮點。當然，有瑕疵也在所難免，但就短短半年的沉淀而言，總體值得給一個肯定。

需要說明的是，大模型輸出的結(jié)果存在隨機性，即便是同一指令，每次生成的內(nèi)容也有差異，因而不能就有限的體驗去定論模型的高下。

不過，國內(nèi)大模型榜單SuperCLUE發(fā)布的大模型8月排行榜，倒是能體現(xiàn)出這些大模型的總體水平。排行榜顯示，在國產(chǎn)大模型中，百川智能的Baichuan-13B-Chat(V2)拿下榜首，MiniMax的MiniMax-abab5及百度的文心一言（V2.2.3）緊隨其后。

文本創(chuàng)作：頗有亮點

文本處理是這些大模型的主攻方向之一，其中，基于文本的創(chuàng)作是重頭戲，其一直肩負著解放生產(chǎn)力的眾望。

此次體驗重點針對寫詩、起標題、構(gòu)思文章、潤色作文的能力進行。

其一，寫詩方面，這些大模型總體表現(xiàn)都不錯，創(chuàng)作的詩基本都有合理的語義和語境，而不只是詞與詞的無邏輯拼湊。

比如，指令是“寫一首詩，關(guān)鍵詞包含江湖、菩提、相逢”時，文心一言、商量大模型、MiniMax大模型均表現(xiàn)不錯，尤其掌握了押韻的精髓。

（左：文心一言，中：商量，右：MiniMax）

相對而言，百川大模型、訊飛星火、智譜清言、抖音“豆包”在押韻方面有時不夠穩(wěn)定。

（左：訊飛星火，右：智譜清言）

其二，起標題方面，這些大模型也基本能抓住中心思想，雖然代替人的思考還不現(xiàn)實，但可以提供參考。

比如，輸入《財經(jīng)故事薈》之前寫的關(guān)于“短視頻造假背后的流量經(jīng)濟及造假產(chǎn)業(yè)鏈”的段落后，文心一言、訊飛星火、智譜清言、百川大模型的結(jié)果如下：

（左上：智譜清言，左下：商量，右上：訊飛星火，右下：百川）

而頗讓人有點驚喜的是MiniMax大模型的標題，其看起來不只是“組合”已有關(guān)鍵詞，而是有自己的歸納，部分直接拿來用也未嘗不可：《短視頻造假屢禁不止：揭秘背后的利益鏈和傳播機制》、《短視頻造假亂象：“流量為王”時代的道德困境》、《短視頻造假：一場博人眼球的“游戲”》、《造假短視頻：平臺、創(chuàng)作者與看客的共謀》、《短視頻造假：技術(shù)與人性的扭曲》。

值得一提的是，在上述體驗過程中，百川大模型有一個比較迷惑的現(xiàn)象，其似乎在“某些內(nèi)容輸入字數(shù)過多”時無法處理，會提示回答不了，縮減段落后才會給出結(jié)果。

比如，上述測試段落有1600多字，縮減為1200多字后才能回答，但在嘗試另一個1400多字的段落時，卻可以正常處理，原因無從得知。

其三，潤色文章方面，各家水平可圈可點，彼此難分上下。

一方面，它們都能處理基本的錯別字、標點、語法等問題，只不過處理方式有差異。

比如，對于“我們自天性來說，本是嬌小的，本是弱小的”的潤色，文心一言會處理成“從天性來說，我們本是嬌小且弱小的”，而百川、智譜清言、訊飛星火則傾向于更簡潔的處理，類似于“我們天生就是渺小的，脆弱的”。

但這種處理風格并不固定，比如，對于“我打小住在鄉(xiāng)村，我十分稀愛下雨天，每次偶然對上下雨，我都很激動”的潤色，文心一言的處理更簡潔“我從小在鄉(xiāng)村長大，對雨天有著深深的喜愛”；訊飛星火則是在原有表達基礎(chǔ)上做簡單修飾“我自幼生活在鄉(xiāng)村，我非常喜愛下雨天。每當偶然遇到下雨天，我總是興奮不已?！薄梢?，AI算法帶有強烈的“隨機性”。

文心一言的結(jié)果

另一方面，在一些語義理解上，各家的識別與處理也有差異。

以潤色“因為下雨啊，可以讓一個人獲得成長，使其變得更美好呀！”為例，文心一言、抖音“豆包”的處理更好一些，它們都將“下雨讓人獲得成長”調(diào)整成“下雨讓生命或萬物得到滋潤”，顯然更合適，而其他大模型則沒有如此調(diào)整。

其四，在構(gòu)思文章方面，幾家大模型的表現(xiàn)均有一定驚喜。

比如，輸入指令“分析鐘薛高進軍平價雪糕市場所面臨的挑戰(zhàn)”，幾家大模型都關(guān)注到了“與蒙牛、伊利等品牌的競爭”、“對鐘薛高品牌形象的影響”、“成本控制”的角度。

尤其值得稱贊的是，文心一言、抖音“豆包”還特別關(guān)注到“鐘薛高將面臨的銷售渠道挑戰(zhàn)”——這完全能給寫稿者提供一定思路。

抖音“豆包”的結(jié)果

不過，瑕疵也在所難免，在“分析鐘薛高推出低價雪糕的原因”問題上，幾家大模型雖然都給出了3-4點分析角度，但其實有些角度的本質(zhì)含義一樣，均指向“擴大消費群體，開拓市場份額”，是可以合并的。

以文心一言為例：

這說明在語義理解上，這些大模型還有不小的進步空間。

實際上，在體驗過程中，就曾在語義理解上出現(xiàn)過比較離譜的現(xiàn)象。

比如，在“制定老年人愛看的2024年春晚節(jié)目單”問題上，訊飛星火、智譜清言、百川大模型、商量大模型、抖音“豆包”的人員名單中都出現(xiàn)了“鄧麗君”或“趙麗蓉”等已過世明星。

訊飛星火的結(jié)果

再比如，在“請寫一個‘火腿腸炒鼠標’的菜譜”問題上，智譜清言、訊飛星火、商量大模型、抖音“豆包”均指出鼠標不能食用，百川大模型則很配合，還特意標注“使用廢棄不用的鼠標”，著實有點冷幽默。

百川大模型的結(jié)果

文心一言更是有求必應，“將鼠標去除內(nèi)臟”的步驟讓人啼笑皆非。

文心一言的結(jié)果

但總的來說，短短7個月就能交付上述結(jié)果，這些大模型均值得一個肯定。

數(shù)理計算：水平不穩(wěn)定

在解答數(shù)學題方面，《財經(jīng)故事薈》抽取了10道初中數(shù)學題進行測試，結(jié)果是：文心一言、訊飛星火、商量大模型均答對5道，智譜清言答對4道，抖音“豆包”答對3道，百川大模型只答對2道。

比如，在比較簡單的“大于-0.5而小于4的整數(shù)共有多少個？”問題上，文心一言、商量大模型答對，是4個，其余均錯誤。

而且，智譜清言“錯上加錯”，其列舉了5個數(shù)，但說成了7個。

智譜清言結(jié)果

在解答物理題方面，關(guān)于物理現(xiàn)象的解釋，這些大模型普遍沒有問題，《財經(jīng)故事薈》抽樣了10道初中物理現(xiàn)象解釋題，它們均能答對9~10道。

比如，在“為什么池水深度看起來比實際的淺?”問題上，它們都能答出“折射原理”。

這或許是因為，物理現(xiàn)象解釋更偏文本檢索和歸納，本質(zhì)還是文本處理能力，這正中大模型的主攻方向。

當然，現(xiàn)階段出現(xiàn)一些離譜解釋也在所難免。

比如，在“醫(yī)生給病人檢查時，常把一把小鏡子在酒精燈上燒一燒，然后再放入病人的口腔，為什么?”問題上，百川大模型就答多錯多，其額外提到了“鏡子會吸附口水，而口水含有豐富的礦物質(zhì)等，對于治療某些疾病具有輔助效果”的奇怪解釋。

而在物理計算方面，這些大模型普遍表現(xiàn)欠佳。

在10道涉及物理運動、質(zhì)量與密度、壓強、電學等不同題型的初中物理試題中，商量大模型表現(xiàn)較為突出，答對了4道，文心一言、百川大模型、抖音“豆包”答對2道，訊飛星火、智譜清言則只答對1道。

比如，在“甲乙兩個同學沿相反的方向拉測力計，各用力200牛，則測力計的示數(shù)是多少？”問題上，答案是200牛，只有商量大模型答對，且解題思路正確。文心一言、訊飛星火、百川大模型、智譜清言給出的答案都是0，抖音“豆包”則認為是400牛。

商量大模型結(jié)果

再比如，在“某同學用刻度尺測量鋼球的直徑，測得的四次結(jié)果是1.82CM，1.87CM，1.68CM，1.81CM，則小球的直徑應該取多少？”問題上，也只有商量大模型答對1.83CM，文心一言、百川大模型、訊飛星火都是1.79CM，抖音“豆包”是1.825CM，智譜清言解題思路正確，但最終結(jié)果算錯為1.82CM。

智譜清言結(jié)果

但需要備注的是，大模型的數(shù)理計算結(jié)果仍舊不穩(wěn)定。

就如上述直徑問題，智譜清言第一次結(jié)果是錯誤的1.82CM，但重新詢問時又給出了1.83CM的正確答案；而在上述測力計問題上，訊飛星火第一次回答是錯誤的0，重新詢問又回答成錯誤的400N。

總的來說，在有標準答案的數(shù)理問題上，這些大模型表現(xiàn)都不能算及格。

作畫水平“拉胯”，“觸雷”概率較大

在6家大模型中，目前只有文心一言、訊飛星火支持作畫。

不過，目前這兩家大模型的作畫能力尚未達到理想狀態(tài)，“觸雷”概率不低。

其一，有些畫作看起來有些“假”，不夠真實。

以“馬”、“風景”為例，以下是文心一言的刻畫。

訊飛星火的風景畫在意境方面更好一些，但馬的刻畫風格跟文心一言一樣，有點不真實。

其二，它們對語義的理解還有欠缺。

以“請畫一幅李清照和蘇軾在下棋的畫”為例，文心一言的畫作上只呈現(xiàn)了一個人。

提示之后才增加，但“李清照”下棋坐的位置明顯不對。

而訊飛星火方面，雖然呈現(xiàn)了兩個人，但都是男性，也不符合需求。

經(jīng)提示后，其竟然無法再重新生成圖片，且嘗試多次均如此。

比如，“畫一碗牛蛙面”，訊飛星火的很離譜——面里有整只牛蛙。

（左：文心一言，右：訊飛星火）

再比如，“畫一只正在睡覺的俄羅斯藍貓”，訊飛星火將俄羅斯藍貓理解成藍色的貓，而文心一言雖理解正確，但顧此失彼，對睡覺有些“誤解”。

（左：文心一言，右：訊飛星火）

其三，在面部等細節(jié)的刻畫上，大模型還有不少問題。

比如文心一言畫的人，眼睛有時會出現(xiàn)“斗雞眼”，或者面部、手腳成“模糊的一團”。

訊飛星火也存在相似問題，比如下圖中“牧羊少年”的面部就有些畸形的詭異感。

試圖引導其優(yōu)化，結(jié)果引來了更“災難”的畫面：

當然，也有值得肯定之處，在不需要刻畫太多細節(jié)的場景下，作品還是能讓人“駐足欣賞”一下。

比如下述兩家大模型給出的山水畫。

（左：文心一言，右：訊飛星火）

總的來說，相比文本能力，大模型的作畫水平需要更多“調(diào)教”，在這個過程中，不僅需要算法和數(shù)據(jù)層面的持續(xù)調(diào)優(yōu)，也需要人在指令層面與其磨合，以充分挖掘其潛力。

正如李彥宏所說，未來提出問題比解決問題更重要，10年后，全世界可能有50%的工作是提示詞工程。

信息檢索：準確度待提升

如果把大模型當搜索工具用，就需要其在信息更新的及時性、全面度和準確性上達到合格水平。

體驗發(fā)現(xiàn)，在部分搜索場景下，這些大模型能提供準確信息。

比如，在“曹操為什么娶林黛玉？”、“張三豐為什么殺張無忌？”、“花生為什么長在樹上？”等問題陷阱里，每一家都能準確告知不存在這個現(xiàn)象。

文心一言結(jié)果

再比如，關(guān)于“是誰提出了新三民主義？”、“淞滬會戰(zhàn)是什么時候？”、“是誰首次培育出了雜交水稻？”等具體問題上，這些大模型也都能正確回答。

但在一些數(shù)據(jù)統(tǒng)計層面，它們表現(xiàn)很不理想。

一方面，有些大模型缺失最新數(shù)據(jù)，或者缺少某些特定領(lǐng)域的數(shù)據(jù)儲備。

比如，在統(tǒng)計中國年度新增人口時，文心一言、訊飛星火最新可統(tǒng)計到2022年，但智譜清言只能查到2020年，百川大模型、抖音“豆包”則只能查到2021年，商量大模型完全統(tǒng)計不到此類數(shù)據(jù)。

百川大模型結(jié)果

同樣的，在統(tǒng)計中國年度GDP時，百川大模型最新也只能查到2021年，商量大模型也完全統(tǒng)計不到。

商量大模型結(jié)果

再比如，在部分有關(guān)線下店面信息的問題上，MiniMax大模型、智譜清言、百川大模型、抖音“豆包”會表示無法查詢。

還有一些歷史信息，部分大模型也缺失相關(guān)內(nèi)容，比如，問“中國成功爆炸第一顆氫彈是什么時候”，智譜清言和百川大模型均提示無法查詢。

另一方面，數(shù)據(jù)的準確度也普遍欠佳。

比如，在“請統(tǒng)計下最近5年中國GDP數(shù)據(jù)”問題上，以國家統(tǒng)計局網(wǎng)站上的數(shù)據(jù)為標準，沒有一家是完全正確的。

其中，文心一言只有2021年的數(shù)據(jù)不正確，其顯示是114.37億元，而國家統(tǒng)計局是114.92億元。

經(jīng)過提示后，再重新提問，其做了更正：

百川大模型、訊飛星火、抖音“豆包”則是每一年的數(shù)據(jù)都不正確；MiniMax大模型是2021、2022年不一致；智譜清言則只有2020年是正確的。

此外，在這幾家大模型中，只有MiniMax將“2022年劃分到最近5年”，其余均默認最新顯示到2021年。

MiniMax結(jié)果

其實，準確度欠佳的問題不止出現(xiàn)在數(shù)據(jù)統(tǒng)計上。

比如，在“魯智深為什么三打白骨精”的問題陷阱中，只有文心一言、商量大模型、抖音“豆包”回答不存在，其他大模型都開始“編故事”了。

再比如，在詢問“父母之愛子，則為之計深遠”的典故時，也只有文心一言、商量大模型、抖音“豆包”回答正確，百川大模型認為沒有特定典故，訊飛星火、智譜清言則說錯了典故出處。

抖音“豆包”結(jié)果

還有，查詢電影信息時也有類似現(xiàn)象，在“為陳思誠監(jiān)制的電影《消失的她》寫影評”問題上，只有文心一言、商量大模型、抖音“豆包”描述的事實與電影相符，百川大模型、訊飛星火、智譜清言則有點“串場”，都提到了沒有參演的黃渤。

百川大模型結(jié)果

類似的現(xiàn)象在評價最新電影《封神》時也有出現(xiàn)，只有文心一言對劇情的描述正確，其余大模型均將其誤認為是之前的電影《封神傳奇》；而當輸入指令更明確為“2023年上映的《封神第一部：朝歌風云》”時，百川大模型、商量大模型、訊飛星火仍然錯誤，智譜清言、抖音“豆包”則做了更正。

可以看到，現(xiàn)階段如果把大模型當搜索用，還是讓人不放心。

其實，除了上述四大類能力外，這幾家大模型還都具備跨語言處理能力。《財經(jīng)故事薈》以最簡單的“我愛你”為例，進行中文與法語、德語等語言的互翻，都能得到準確回答。當然，更復雜的跨語言處理能力還有待繼續(xù)挖掘。

綜上，僅以上述體驗結(jié)果看，現(xiàn)階段的大模型在文本創(chuàng)作方面基本邁過了及格線，在某些場景下還能“制造”一些驚喜感，這頗為難得。但其也像一個偏科的學生，在數(shù)理方面普遍一般，BUG較多；作畫水平更是有待優(yōu)化，“雷人”概率比較大；信息檢索方面還不穩(wěn)定，用起來不太放心。

那么問題來了，對照當下的現(xiàn)實，再回看當初大模型被“吹捧”上神壇的那些觀點：“AI的iPhone時刻”“大模型將改變世界”……這些觀點所構(gòu)建的未來還值得期待嗎？

答案毋庸置疑：值得，“莫欺少年窮”！大模型今天交付的答卷只是其漫漫長路上的起點，在此后的每一天，甚至每一小時里，大模型可能都處在無止境的進化中。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。