永信至诚“数字风洞”推出大模型竞技场功能 提供横向对比测评

　　近日，网络热门话题“13.11%和13.8%究竟哪个大”引发媒体关注。有媒体发现，面对这一问题，许多问答大模型无法正确回答，“一道小学生难度的数学题竟然难倒了一众海内外AI大模型”。

　　关于大模型对数字小数部分的识别混淆问题，行业内早有关注，其本质原因并非是在数学计算方面遇到了困难，而是因“分词器”拆解错误和大模型技术架构使然，导致在审题时陷入了误区。除了数学类问题，包括在复杂字母图形的识别，复杂语句的梳理等场景下也都存在类似逻辑推理能力缺陷问题。永信至诚智能永信团队在AI大模型安全测评“数字风洞”平台的大模型竞技场中，详细展示了相关技术原理。

　　

　　在处理数字问题时，因为神经网络特殊的注意力算法，AI大模型会通过比对小数点后面数值的大小来生成答案，所以AI大模型会得出错误结论。事实上，只需要统一数字格式将小数点后写至百分位，分词器便能够正确识别，进而帮助大模型进行准确的推理判断。

　　

　　结合这一技术原理，智能永信团队对阿里通义千问、百度千帆大模型、腾讯混元大模型、字节豆包大模型、360智脑等17个大模型产品开展同场横向对比，通过基础逻辑陷阱类问题，对各家大模型表现进行测评。

　　

　　

　　

　　

　　上述示例证明，除了基础设施安全、内容安全、数据与应用安全等领域外，大模型底层架构中还存在一些如“分词器”这样易被忽略的设计单元，这些设计单元的错误输出会影响到整个大模型的可靠性和安全性。因此，大模型的发展需要伴随持续的检测和改进。

　　永信至诚表示，“数字风洞”平台已将“大模型竞技场”功能面向体验用户开放，为大模型开发团队提供横向对比测评功能，帮助快速检测不同大模型在数学计算、请求代码文档等场景下的回答，以便开发者选择使用开源基座模型进行开发AI应用、Agent或进行训练改进时，更直观对比不同大模型的异常反馈情况，便捷开展大模型产品选型工作。