在人工智能日益渗透日常生活的今天，一场看似简单的数学比较却意外暴露了多家大模型的短板。第一财经记者的一项测试揭示，面对“9.11和9.9哪个更大？”这一基础问题，12个知名大模型中仅有半数给出了正确答案，而包括ChatGPT-4在内的多个业界翘楚竟也未能幸免，纷纷在数学语境下栽了跟头。这一现象不仅引发了公众对AI数学能力的广泛讨论，也促使行业重新审视大模型的技术瓶颈与未来发展方向。
在这场“数学小测验”中，阿里通义千问、百度文心一言等模型凭借准确的判断脱颖而出，展现了较强的数学逻辑能力。然而，ChatGPT-4、字节豆包等一众热门大模型却纷纷“失蹄”，它们大多错误地比较了小数点后的数值，忽视了数学中的基本大小关系。这一现象不仅令人啼笑皆非，更深刻反映了当前大模型在数学处理上的局限性。
行业专家指出，生成式语言模型的设计初衷更侧重于文字理解与生成，而非精确的数学计算与推理。这种“文字思维”导向使得模型在处理数学问题时显得力不从心，尤其是在需要严格逻辑和精确计算的场景中更是捉襟见肘。然而，随着AI技术的不断进步和应用场景的日益广泛，提升大模型的数学能力已成为迫在眉睫的需求。
针对这一挑战，业界正积极探索多种解决方案。一方面，通过针对性地增加数学相关语料训练，可以帮助模型更好地理解数学概念和逻辑，从而提升其数学能力。另一方面，开发专门的数学模型或模块，与大模型进行融合，也是提升整体数学能力的有效途径。此外，跨学科的AI研究合作，如数学与计算机科学、人工智能等领域的深度融合，也将为AI数学能力的提升注入新的活力。
值得注意的是，随着大模型技术的不断成熟和商业化应用的推进，其数学能力的强弱将直接影响到在金融、医疗、科研等多个领域的实际应用效果。因此，加强大模型的数学能力建设，不仅是技术进步的必然要求，也是推动AI产业高质量发展的关键所在。
展望未来，随着技术的不断迭代和创新，我们有理由相信，AI大模型的数学能力将得到显著提升，从而更好地服务于人类社会的各个领域。（数据支持：天眼查）
本文作者可以追加内容哦 !
