這個話題主要是由《歌手2024》欄目引發的，孫楠與外國歌手的微小分數差異，引發了網友關于 13.8% 和 13.11% 誰大誰小的爭論。

很多網友給出了自己認為 13.11 > 13.8 理由，看似合理，實則漏洞百出。

這個小學四年級的知識點，一下子就成為了全民熱議的話題。很多網友還舉例 AI 給出的結果也是 13.11 大，一下子激起我的興趣，這么簡單的問題，AI 竟然回答錯誤了。

國內模型測試

Kimichat：

通義千問：

騰訊元寶：

文心一言：

智譜清言：

訊飛星火：

商湯商量：

國外模型測試

GPT-4O：

Gemini：

Claude-3.5：

原因分析

看到測試結果，國內模型 7 個回答錯誤 4 個，國外模型全軍覆沒，這是代表國內模型更強嘛？其實并不然，很多網友早起測試通義千問也是回答 13.11 更大，后續應該是開發團隊針對這個問題優化了。國內很多模型應該都是針對性優化過后，現在才能回答正確。

只是國內的熱議并未傳播到國外，所以國外 AI 模型并未針對這個問題優化過，導致現在強如 GPT-4O 和 Claude-3.5 這兩個地表最強 AI 模型都回答錯誤。

那么 AI 模型為什么會普遍回答錯誤呢？其實從很多模型的回答中也能猜到原因，主要是因為它們對數字的解讀方式與人類不同，以及訓練數據中存在的偏差。

• 數字解讀方式：大語言模型將數字分解為獨立的 token 進行比較，忽略了小數點后數字的實際意義。
• 訓練數據偏差：訓練數據中包含了大量軟件版本號的比較，如“9.11”和“9.9”，在這種場景下，“9.11”確實排在“9.9”之后。這一常見于編程領域的規則，被AI模型錯誤地應用到了數學比較中。

大語言模型在數值比較方面的局限性，提醒我們在依賴這些模型進行決策時，需要謹慎并考慮多種可能性。

本文轉載自 ??AI探索者知白??，作者： 知白