DeepMind 与斯坦福论文：提示图里一个红心就能左右 AI 写代码方式
rohanpaul_ai · x · 2026-11-04
Google DeepMind 与斯坦福的论文《A Heart Means Recursion》发现，视觉语言模型（VLM）的视觉符号理解与人类惯例存在惊人差异。
- 提示图中的简单图形（如一个红心）会强烈影响模型在看似无关任务上的行为——例如把简单编程问题的解法「引向」递归方案
- 这种引导大多是隐式的：模型对视觉符号的直接解读和思考轨迹，与其观察到的行为明显不一致
- 模型间视觉通信存在「生成—解读鸿沟」：模型倾向发送自己和人类都觉得直观的形状原语，但这些线索常常无法引导其他模型
- 在涉及抽象概念和故事的通信博弈中，模型能创造性地用视觉传递意义，部分内容对人类并不直观
结论：VLM 具备丰富、创造性的视觉通信潜力，但其视觉意义的解读与产出方式偏离人类惯例。
所属事件:DeepMind 论文：提示图里的红心竟能左右模型写递归(2 条相关)→
「模型」频道最新
- 实测:qwen、GPT、Gemini Flash 在该服务上表现同样糟糕 — matdryhurst · 2026-11-04
- 子1B参数开源OCR横评：Surya 2.5以85.9分居OmniParseBench榜首 — VikParuchuri · 2026-11-04
- Gemini 4 Carbon现身Arena：3D与网页设计逼近Opus仍稍逊 — altryne · 2026-11-04
- 2165 页古籍 OCR 实测：失控循环从 3 降到 1，1881 卷错误率降 38% — vanstriendaniel · 2026-11-04
- 人类对话轮替中位停顿是 -120ms，语音 AI 的 500ms 还差得很远 — alexisgallagher · 2026-11-04
- Cloudflare 发布 Clairic：System One 式抽取模型，比传统 LLM 更快更准更便宜 — michellechen · 2026-11-04