近日，一道看似简单的小学生数学题“9.11和9.9哪个更大”难倒了一众海内外知名的AI大模型。在测试的12个模型中，仅有阿里通义千问、百度文心一言等少数答对，而包括ChatGPT-4o在内的多个模型给出了错误答案。这些模型的错误在于错误地比较了小数点后的数字，显示了AI在处理数学问题上的局限性。

🧮 AI大模型的数学能力受到质疑，一道小学生难度的数学题“9.11和9.9哪个更大”难倒了一众知名AI模型。测试中，仅有阿里通义千问、百度文心一言等少数模型答对，而包括ChatGPT-4o在内的多个模型给出了错误答案。

🤖 大部分模型错误地比较了小数点后的数字，这反映了AI在理解数学语境上的不足。即使在明确了数学语境的情况下，如ChatGPT这样的大模型仍然答错。

🎓 行业人士指出，生成式语言模型在设计上更偏向于文字思维而非数字思维，这可能是导致它们在数学问题上表现不佳的原因。不过，通过针对性的语料训练，AI模型的理科能力有望得到提升。

格隆汇7月17日｜据一财，一道小学生难度的数学题难倒了一众海内外AI大模型。9.11和9.9哪个更大？就此问题，记者测试了12个大模型，其中<u>阿里通义千问、百度文心一言、Minimax和腾讯元宝答对</u>，但<u>ChatGPT-4o、字节豆包、月之暗面kimi、智谱清言、零一万物万知、阶跃星辰跃问、百川智能百小应、商汤商量都答错了</u>，错法各有不同。大部分大模型在问答中都错误地比较了小数点后的数字，认为9.11大于9.9，考虑到数字涉及的语境问题，记者将其限定为在数学语境下，如ChatGPT这样的大模型也照样答错。在这背后，大模型数学能力较差是长期存在的问题，有行业人士认为，生成式的语言模型从设计上就更像文字思维而不是数字思维。不过，针对性地语料训练或许能在未来逐步提升模型的理科能力。