一篇关于AI对话展现的数值判断问题

最近很热的话题是询问AI讨论：9.9和9.11哪个大？AI给出9.11更大 的错误答案。为什么会出现这种问题呢？
一种解释是：因为缺乏正确的语境理解能力和背景知识。提到“9.11”时，通常指的是2001年9月11日发生的美国恐怖袭击，而不是一个数值。比较时候AI会给出错误答案。
如果从技术的角度看，是什么原因导致的呢？
抛砖引玉一下，如果是单纯比较数值大小，因为浮点数在计算机中的存储和表示是有限的，可能会存在精度丢失的情况，进而出现比较的问题。例如代码

public class Example {
    public static void main(String[] args) {
        float num1 = 9.11f;
        float num2 = 9.9f;

        if (num1 < num2) {
            System.out.println(num1 + " 小于 " + num2);
        } else if (num1 > num2) {
            System.out.println(num1 + " 大于 " + num2);
        } else {
            System.out.println(num1 + " 等于 " + num2);
        }
    }
}

在精度丢失的情况下，9.11 被认为比 9.9 更大hhh，一种好的方式应该是用减法来规避精度丢失带来的问题。

同时也看到了比较权威的大牛回答：

文字是个有限集，数字是个无限集。GPT模型不善于处理无限集，GPT的设计就让它很难识数。

GPT模型，就是个“预测下一个词（next token prediction）”的“猜词游戏”。在预测的时候，需要计算每个候选词的概率，取最大那个作为下一个词。进而，控制候选词的数量，就能减小计算量。自然数是个无穷集合，就不可能每个数字都能成为一个候选词。实际的词表大小常常是5w-20w。而中文词、英文词是有限集合，而且还不大，所以，GPT能轻松处理得很好。
如果你问“既然是分词的问题，那我们换个分词的方法就好了？”答案是否定的。模型进行预训练之前第一件事就是确定词表。GPT的词表是结合BPE(byte pair encoding)编码方式来做的。把几个billion的文本，进行统计，如何用最少的token数覆盖整个文本。就像我国1956年确立了简体字，之后用起来了就不能随意改字了。搞数学最好的是woldfram模型，它是做文本分析，尝试精准提取数学符号，硬编码计算规则。它就和GPT的算法相去甚远了。

LLM在做特定计算任务的时候其实是并不理解计算规则，只是按next-token-prediction去预测下一个token，这样很难保证答案正确的稳定性。一般针对这类计算题会采用工具或者代码的方式来进行计算，也就是说LLM先根据题目生成代码，然后工具执行代码来得到答案。

例如腾讯云AI代码助手的回答结果是区别其他对话的结论的，可以尝试体验下解放双手的代码搭子！