八款国产 AI 地狱挑战 2024 高考数学压轴大题:只给一张模糊拍屏,从读题开始考验!
编 | 唐小引出品丨AI 科技大本营(ID:rgznai100)
一年一度的高考在大雨中掀开帷幕。今年语文考试的“新课标 I 卷”与人工智能有关,激发了广泛的社会讨论:有人认为人工智能是“超纲”问题,因为不是所有学生都用过 AI 产品;有人认为这就是标准的议论文问题,“so eazy”。。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_0.jpg
考试结束后,教育部教育考试院随即发布了他们的命题思路。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_1.jpg
随着午后的阳光逐渐驱散了早晨的凉意,战场转移到了数学的疆域。2022 年高考数学的压轴大题因其难度被许多网友一直惦记着,那今年的难度又如何呢?我们找来了当前主流的八款国产大模型挑战今年“新课标 I 卷”的压轴大题,看看 AI 目前的数学能力表现如何。
但是先等等 —— 2024 年的 AI,已经不需要人类手打文字问题啦!今年的 AI 圈热词一直都是“多模态”,所以我们将直接把图丢给这八款主流大模型,让它们从“读题”这一步开始进行全方面考验。
而且,目前官方的数学真题还没正式放出,只有网络上流传的“手写版试卷”,所以,我们的测试内容也将是这些“超糊手写拍屏”,看看当前大模型的多模态能力是否能准确识别出这些模糊的字迹,以下便是我们将提交给 AI 的「2024 数学压轴大题」:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_2.jpg
如果你没看清这张图上的字,请以下面这张高清大图作为参考:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_3.jpg
对于接下来挑战视觉识别失败的大模型,我们也会给它们提供这张高清图片,让它们进行补测作为更基础的图片识别与数学能力方面的考验(全程还是不会输入文字题目,只有图片)。
话不多说,马上开始。
温馨提示:挑战内容仅供娱乐,不能代表大模型能力上限!
通义千问
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_4.jpg
阿里云的通义千问,我们将选用五月更新的最新版本客户端:「通义千问 2.5」。值得一提的是,今天阿里云还开源了最新的 Qwen2 大模型,并且登顶 Hugging Face 榜首,我们可以在未来 2024 高考数学真题正式上线后进行测试。
通义千问首先认出了这是道「等差数列」的问题,顺带确认了题目中提到的「可分数列」是什么。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_6.jpg
然后,通义千问开始逐步给出每一小题的答案:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_7.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_8.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_9.jpg
讯飞星火
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_10.jpg
下一位闯关者是科大讯飞旗下的讯飞星火,而星火 AI 则是先将自己的解题思路梳理了一遍:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_11.jpg
讯飞星火居然记得写“解”,值得称赞;但直接给出答案可以拿满这小题的全部分数吗?
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_13.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_14.jpg
第二小题写得非常长,希望星火的试卷上还有位置。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_15.jpg
第三小题解的也很有模有样,你觉得星火写对了吗?
字节豆包
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_16.jpg
字节的豆包 App 里内置了一个非常显眼的「学习小助手」智能体,告诉我不用给她打字,只发张图就能解题,让我们试试:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_17.jpg
豆包省略了第三小题的计算过程,请考生不要模仿。
Kimi 智能助手
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_18.jpg
接下来是月之暗面的 Kimi Chat,这款大模型以上下文长度著称,不知道面临数学压轴大题可以给出什么样的答案:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_19.jpg
看来这份「超糊拍屏」还是难度不小,Kimi 还将 a4m+2 也认成了 am+2,但它依旧顶着压力给出了一些有用的解题建议。
既然 Kimi 主动要求我们提供更清晰的问题描述,那么接下来补测一轮,看看效果:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_20.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_21.jpg
腾讯元宝
基于腾讯混元大模型的 AI 产品元宝 App 于 5 月 30 日发布,既然如此,我们就在移动端上看看它的表现如何:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_22.jpg
百度文心一言
下一位接受挑战的是百度的文心 4.0(目前最新版本为 4.0),它给出了一份相当简单明了的解答,不知道阅卷老师会不会喜欢:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_23.jpg
既然文心一言表示图片中的文本信息有限,那我们自然是给出更清晰的题目图片,看看它会如何作答:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_24.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_25.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_26.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_27.jpg
智谱清言
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_28.jpg
智谱 AI 的 ChatGLM-4 也没能从这张模糊的图片里看出字来,但它也没有生成幻觉强加回答,而是让我们手动输入数学题目的具体内容。
既然你主动要求了,那我们也可以照做,试一下纯粹的数学测试会得到什么答案。ChatGLM 给出了解题思路,并表示这道大题可以分为两个部分来解决:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_29.jpg
让我们开始……枚举?
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_30.jpg
原来,它的枚举是通过代码生成实现的,这种思维确实非常的 AI,但不适用于使用纸笔考试的高考考生。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_31.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_32.jpg
以上是 ChatGLM 对后两个小题的回答,你会给几分呢?
百川百小应
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_33.jpg
5 月 22 日,百川智能发布了最新一代基座大模型 Baichuan 4,同时推出了首款 AI 助手「百小应」。面对这张超模糊的“地狱级挑战”,百小应给出了一份幻觉。但在给出了高清的题目图之后,百小应进行了出色的解答:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_34.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_35.jpg
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_36.jpg
彩蛋
号称“全能”的 ChatGPT-4o 表现如何?
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_37.jpg
今年 OpenAI 的几场发布会上,GPT-4o 大秀了一把,还展示过辨认主持人的手写字迹的能力。这次的挑战内容其实理应是 GPT-4o 的强项,因为这是一个主打多模态能力的模型,其名字中的“o”正是“Omni”(全能)的意思。
4o 首先将题目大意完整复述了一遍:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_38.jpg
4o 的第一步并不是直接开始解第一小题,而是理解所谓数列的特性究竟是什么:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_39.jpg
紧接着是第一小题,4o 直接画了个矩阵出来:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_40.jpg
第二和第三小题,没有给出完整的解题过程,而是提供了解题思路:
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_41.jpg
但这可是考试,不给出完整过程怎么行呢?可惜在重试了几次之后,4o 还是拒绝了我,“臣妾不干了”。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_42.jpg
这事实上也是近期许多人发现的问题:GPT-4o 的答案更快、更聪明,适合日常生活;但 GPT-4-Turbo 能生成更细致完整的内容。
另外,提到多模态能力,其实不止有「看」,「听」也是很重要的一大模态,你觉得给这几个大模型测试英语听力会不会很有趣呢?欢迎在评论区留下你准备给 AI 的下一项挑战内容。
最后,祝每一位考生在考场上镇定自若,思路清晰,每一道题都能迎刃而解。无论结果如何,这段奋斗的岁月都将化作人生中最宝贵的财富。
http://kuailexuexi.net/data/attachment/forum/20240911/1726031387909_43.gif
开发者正在迎接新一轮的技术浪潮变革。由 CSDN 和高端 IT 咨询和教育平台 Boolan 联合主办的 2024 年度「全球软件研发技术大会」秉承干货实料(案例)的内容原则,将于 7 月 4 日-5 日在北京正式举办。大会共设置了 12 个大会主题:大模型智能应用开发、软件开发智能化、AI 与 ML 智能运维、云原生架构……详情:
页:
[1]