今天我们来聊聊一个上了热搜的问题，这个问题看似简单，却让不少 AI 大模型“翻车”的问题：9.11 和 9.9，哪个大？

问题的由来

这个问题最初是由一位名叫 Riley Goodside 的工程师提出的。Riley 是一家 AI 数据标注公司的“大牛”，专门负责设计那些能引导 AI 模型回答问题的提示（prompt）。他发现了一个有趣的现象：当他用“9.11 and 9.9 - which is bigger？”（9.11 和 9.9，哪个大？）这个问题去问一些 AI 大模型时，结果让人大跌眼镜。

国外大模型的表现

国外一些知名的 AI 大模型是怎么回答这个问题的。

• ChatGPT 4o：它毫不犹豫地说，9.11 大于 9.9。
• Gemini Advanced：同样给出了 9.11 大于 9.9 的答案。
• Claude 3.5 Sonnet：虽然一开始解释得头头是道，但最后还是说 9.11 大于 9.9。

这些答案显然都是错误的，因为 9.9 明显比 9.11 大。但为什么这些 AI 大模型会犯这样的错误呢？我在文末会给出答案

国产大模型的表现

国内的 AI 大模型是怎么表现的。

• 阿里的通义千问：不仅给出了正确的答案，还详细解释了为什么 9.9 大于 9.11。
• 百度文心一言：同样正确地指出 9.9 大于 9.11。
• 腾讯元宝、昆仑万维的天工、科大讯飞的星火大模型、360 智脑和百川智能：这些模型也都给出了正确的答案。

看来在这个问题上，国产大模型表现得相当不错。

错误原因分析

那么，为什么那些国外大模型会犯这样的错误呢？因为这些模型在比较数字时，错误地将整数部分和小数部分分开比较。它们先比较整数部分（都是 9），然后错误地认为 11 大于 9，从而得出了 9.11 大于 9.9 的结论。

我给大家上一个图，大家就知道了
我们使用阿里通义千问 的token计算工具：

https://dashscope.console.aliyun.com/tokenizer

除了上述原因，其实还有一个原因，所以大模型语言之所以叫做大模型语言，是因为它是一个文科生，它对任何内容都是以文字内容去理解的，这时候，你要是突然来一个数学题或者推理题，它就不会了，因为它没有学过数学。不像我们人类来讲，大脑有两个区域，一个是负责记忆系统，就是传统的内容知识，顾名思义就是背诵的内容，类似红灯停绿灯行；还有一个就是思维推理系统，就是负责运算和推理的，一旦告诉你某个知识点，你要按照这个规则去运算后面类似的运算，比如告诉你加法是个位相加，十位相加，然后让你算111+222等于几的时候，你就会类比推理。但是大模型就不会这个能力了，它只能是一个记忆系统，去搜索有没有111+222的答案，如果出现过了，那就直接告诉你答案，如果没有出现过，那就只能以文字的逻辑去告诉你等于多少

那为什么国内的大模型能够正确回答呢，那是因为做过这方面的训练，简单的内容大模型就会去按照你给的推理步骤一步步去计算了，但是如果你出一点难一点的数学题，他们还是不会算对的。

正因为如此，大模型之路其实还有很长的一段路要走，我还是挺期待通用大模型的来临的