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，育老儋州市某某超声设备培训学校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！育老儋州市某某超声设备培训学校”
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：休闲)
约旦国王与美国总统通话 讨论加沙地带局势
理想i8内饰官图公布 李想回应被打脸
美股收盘：躲过一场重大风暴 三大指数小幅收涨
伊朗总统罕见承认“安全缺陷”
凌晨，OpenAI甩出4大王炸，AI智能体时代的App Store来了-
9月28日，国务院新闻办公室就中秋国庆假期交通运输服务保障有关情况举行新闻发布会。中国民航局总飞行师熊杰表示，安全是民航业的生命线，在确保航空安全方面，今年中秋国庆假期部分地区对流天气和降水较往年
...[详细]
-
来源：直播吧 直播吧7月19日讯 据意大利记者斯基拉报道，如果冈萨雷斯不离队，尤文不会签下桑乔。 斯基拉透露，尽管尤文对曼联边锋桑乔感兴趣，但如果冈萨雷斯没有离开球队，尤文不会签下桑乔。 最
...[详细]
-
冷水澡更凉快？待在室内不中暑？一起看看关于高温防暑的误区2025-07-17 15:41:37 来源：央视网
...[详细]
-
中国经济半年报率先交出了外贸这一成绩单。 此前4月14日海关总署发言人在介绍中国出口形势时曾表示：“天塌不下来”。今天，海关总署用一组数据证明：天不仅没塌，还有新突破。 海关总署7月14日发布
...[详细]
-
10月2日8时，今年第21号台风“麦德姆”在西北太平洋面上生成。它将于3日白天在菲律宾吕宋岛东部沿海登陆，之后穿过菲律宾吕宋岛北部，3日夜间到4日凌晨将移入南海东部海面，以后逐渐向广东西部到海南岛
...[详细]
-
朝鲜外务省日本研究所政策室长17日发表谈话，谴责日本在2025年《防卫白皮书》中称朝鲜等国的军事力量强化措施为“紧迫的威胁”。 谈话表示，日本这一行为是无耻的诡辩，企图掩盖把整个日本列岛拱手交给
...[详细]
-
巴合提•克依米从小就有一个成为公交车驾驶员的梦想，他大学毕业后，选择成为公交公司的一名驾驶员。入职以来，他一直保持着工作热情，工作中会将车辆清洁得干干净净，像爱护自己的家庭一样爱护着车辆，让不同乘
...[详细]
-
从2013年到2023年，北京的张女士连续10年在爱康国宾进行体检，从未被提示“患癌风险”，却在2024年被确诊为癌症晚期。记者查询发现，爱康国宾旗下的体检机构曾被多次投诉存在“误诊”“漏诊”“检查敷
...[详细]
-
扫码咨询2025年新航道秋季课程October 4, 2025雅思词汇解析 | | 栏目推送说明雅思词汇解析，释义到用法，清清楚楚每一次的进步，都是来自点点滴滴的积累本期作者：张悦本周我们学习和
...[详细]
-
当地时间7月17日，以色列国防军发言人德弗林在讲话中承认，针对数以千计的以色列德鲁兹人抵达并试图穿越以色列叙利亚边界，以军此前并未对此混乱局面做好准备，以军正总结吸取相关教训。 据以色列媒体消息
...[详细]
