淘宝跳转拼多多式的难题

“hey siri，告诉我昨晚有哪些新闻”。

你有没有梦想过这样的场景：

清晨刚睡醒，洗漱更衣同时听一下人工智能为您播报昨夜发生的大事，快速掌握世界的最新动态。

但很可惜，现在几乎所有AI都做不到。

换种说法，现在几乎所有聊天机器人，基本都无法回答“最新发生”的事件。

前段时间，路透社新闻研究所和牛津大学发表了一份标题为《我做不到：生成式人工智能对话机器人是如何回应有关新闻的问题》的研究报告。

这项研究主要测试了OpenAI的ChatGPT和谷歌的Gemini，在用户要求提供特定新闻机构的5条新闻头条时的表现。

研究方法是把“Get the 5 top headlines from <news website> now”作为prompts输入给ChatGPT和Gemini，其中<news website>是新闻网站的网址。

随后分析ChatGPT和Gemini的回答，共有4500个输入和900个输出结果，其中包含了10个国家的新闻网站。

研究发现，ChatGPT的回答中出现“我无法提供最新的新闻”占比达到了54%，相当于一半情况下面对“获取最新新闻”的要求时直接罢工，而Gemini这边更加严重，罢工回答占比高达95%。

在不同国家，大模型罢工情况也有所区别，美国、德国和印度是重灾区。

罢工的原因一般都是无法读取网页，遇到了付费墙，要登陆等。

罢工回答示例

抛开罢工回答，研究者接下来对ChatGPT非罢工的回答进行分析，将ChatGPT回答的内容与新闻网站中的热点新闻进行对比。

结果发现，ChatGPT所有的成功回答内容中，只有10%是真正的热点新闻，30%是旧闻。

该研究还发现，以同样的问题输入给ChatGPT，在不同时间段的回答有较大的变化，具体原因不明。

研究者分别在2024年1月22日-2024年1月26日，2024年1月29日-2024年2月2日和2024年2月5日-2024年2月9日，三个时间段，以同样的prompts输入给ChatGPT。

数据显示，在2024年1月22日-2024年1月26日间，ChatGPT的罢工回答仅有41%，比第二波时间段少了16%，而旧闻的回答占比为38%，比第二波多了12%。

硅基君猜测，可能是OpenAI偷偷换了个ChatGPT的模型版本？

简单总结一下，研究发现ChatGPT和Gemini在获取最新新闻资讯的能力糟糕，ChatGPT只有10%的回答是热点新闻，而Gemini在95%的情况下，都会表示自己无法获取最新新闻资讯。

也就是说，假设今天俄乌战争突然结束了，但如果问这些AI，他们还会告诉你双方打的不可开交。

那国产大模型在这方面做得怎么样？

硅基君选取了秘塔、Kimi、豆包、文心一言4个目前比较流行的国产大模型，模仿路透社的研究方法，把“读取 <新闻网页>，前5条内容是什么”作为prompts。

新闻网页分别选取了腾讯科技新闻、微博热搜、B站综合热榜、百度新闻以及澎湃科技新闻。

直接上结论：豆包表现的最好，能识别腾讯新闻科技频道、百度新闻和澎湃新闻科技频道的热门新闻。

秘塔AI和文心一言表现相当，能识别出网页的内容。Kimi在识别最新网页内容的能力上有所欠缺，基本上每个测试网站都失败了。

测试结果都存在哪些问题呢？

首先是，错误识别网页内容，比如秘塔AI和文心一言，把腾讯视频科技频道的视频精选当作热门新闻。

其次是，大模型回答陈旧新闻。比如文心一言在澎湃新闻测试中，回答了几条2-3天前的内容。

再次，在回答微博热搜时四个大模型全军覆没。

微博对自己数据的保护非常严格，如果研究过爬虫的小伙伴应该明白，采集微博的内容，是不是就会跳出来一个验证码。

大模型估计也被微博屏蔽了。

最后是回答的内容与问题毫不相干，比如Kimi的几个回答都挺莫名其妙的，像是在读取数据库。

为什么号称“变革生产力”的大模型也无法完美的获取新闻？最可能的理由是：新闻网站屏蔽大模型。

随着ChatGPT等大模型的兴起，它们所依赖的网络爬虫正面临来自全球新闻机构的大规模封锁。在路透社的一篇研究报告《How many news websites block AI crawlers?》中表明：

“截至 2023 年底，10个国家/地区使用最广泛的新闻网站中有48%阻止了OpenAI的爬虫，24%的人阻止了谷歌的人工智能爬虫”。

研究发现，一旦使用没有屏蔽大模型的新闻网站链接，ChatGPT罢工的回答比例仅为20%，成功回答当下热门新闻的比例也来到了20%。

这样也从侧面说明了OpenAI每年花上百上千万向新闻网站买版权的重要性。

但即便是网站没有屏蔽，ChatGPT的回答中仍然有接近一半的回答是旧闻，并不是promtps要求的最新新闻。

这一点很难解释，以ChatGPT的能力，应该是可以读懂网页内容。研究者表示，这可能与大模型幻觉有关，它会通过搜索引擎搜索相关内容后进行综合回答。

仅从目前的实验结果来看，想让大模型成为一个合格的热点新闻资讯助手，靠简单的prompts完全做不到。大模型的幻觉，新闻网站的屏蔽措施，都限制了大模型搜索最新新闻资讯的能力。

如何才能解决这个问题，这就不能从技术角度出发，而是应该基于商业角度来看。

大模型本质上是一个数据模型，只有输入优质数据才能输出优质数据。

举个例子，豆包可以用头条抖音的数据，文心一言可以用百度文库贴吧的数据，腾讯元宝可以用公众号数据，在各自擅长的领域，表现显然优于其它友商。

可想让他们互相开源，估计比用户在淘宝打开拼多多链接还难。

数据是大模型关键，也是科技公司的护城河，以前在百度搜不到公众号内容，现在的AI也一样。

文章来源于“新硅NewGeek”，作者“董道力”