AI其实是个“找漏困难户”？ 来自《AbsenceBench：语言模型无法告诉我们缺少了什么》点击标题
核心问题：现在的AI（比如ChatGPT、Claude这些大模型）特别擅长从一堆信息里“找东西”——比如让你在一篇超长的文章里定位某个关键词，它可能比人还厉害。但反过来，如果让你找出文章里“被删掉的内容”，AI就懵了，成绩直接不及格！
科学家做了个实验：
测试内容：
给AI看两版文本——完整版和删减版（比如删了几行诗、漏了几个数字、或者代码少了几行）。
问AI：“少了啥？”
结果惨烈：
最强AI（Claude-3.7）也只能答对69.6%，换成普通AI（比如开源的Llama）甚至不到40分。
对比：如果是让AI“找多余的内容”（类似大家玩过的“找不同”游戏），它能轻松拿满分！
为啥AI这么菜？
- “缺东西”太难注意：AI的脑子（Transformer架构）是靠“聚焦关键词”来理解的。比如你问“文章里有没有‘恐龙’这个词”，它能瞬间锁定。但如果你问“这里是不是少提了恐龙”，它就像对着空气找线索——因为“没有”本身不是一个能聚焦的词！
- 越短越难：删的内容越少，AI越容易漏看。比如100行诗删1行，比删10行更难发现，像人类玩“大家来找茬”时，改动越小越难察觉。
现实影响：
- 别太依赖AI检查遗漏：比如让它审合同、查代码合并，可能漏掉关键删除。
- 未来改进方向：可能需要给AI装个“缺啥检测器”，或者训练它像人类一样对“不完整”更敏感。
举个栗子：
完整诗：“床前明月光，疑是地上霜。举头望明月，低头思故乡。”
删减版：“床前明月光，疑是地上霜。低头思故乡。”
人类：一眼发现少了“举头望明月”。
AI：（若无其事）“我觉得没少啊……要不你再看看？”
总结：AI在“找存在”上是学霸，在“找消失”上像学渣。下次用它干活时，记得——它可能根本不知道啥没说出来！
网友热评1：
为了检测到存在，真实的大脑接受感官输入并将其与预期进行比较，然后保持冷静或记录惊喜，并不时发出预测来指导有机体。
根据定义，大脑不能依靠感官输入来检测缺少的动向。
如果感官证据不存在，要感到惊讶，需要一个足够强大的世界模型，在没有感官提示的情况下，如果预期不存在，就会感到惊讶。
在我看来，检测缺漏是一项严格的高级神经任务，而不是处理感官输入。如果LLM不能完成这种严格意义上的高阶神经学任务，那么，这难道不是目前生物所独有的能力吗？
网友热评2：
从卡尼萨三角到AI的“脑补”能力：一场有趣的实验
你的实验非常有意思！它揭示了当前AI（如Claude）在视觉感知和认知推理上的一个关键特点——高度依赖训练数据的模式匹配，而非真正的“理解”或“推断”。让我们用大白话拆解这个现象：
1. 卡尼萨三角实验的启示
实验步骤
你给Claude看经典的卡尼萨三角（三个“吃豆人”黑块+边缘线条，人类会脑补出一个白色三角形）。
Claude能认出这张著名图片，直接给出标准描述（说明它在训练中见过类似数据）。
旋转90度后：
同一张图旋转后，Claude完全“脸盲”，甚至数错了元素数量（说成4个“吃豆人”+2个箭头）。
关键问题：它没意识到这是同一张图，更没“脑补”出隐藏的三角形。
说明什么？
它本质是通过统计学习图片和文本的关联，而非像人类一样理解几何关系。
旋转后，像素排列变了，AI就认不出了（除非训练时恰好有旋转版本的例子）。
没有真正的“推断”：人类能通过黑块的排列方式主动推断“这里应该有个白色三角形”，但AI只会复述它见过的描述。
为什么AI不会“脑补”缺席信息？
这和AbsenceBench的结论完全一致！
- 卡尼萨三角：需要“看到”不存在的白线（靠黑块的布局推断）。
- AbsenceBench：需要“看到”被删掉的文本（靠上下文推断）。
共同点：
- 依赖“世界模型”：人类能通过经验（比如“黑块这样摆一定藏了三角形”）填补空白，而AI没有这种模型。
- 感官输入的局限性：AI只能处理实际输入的数据（像素或文字），无法对“该有却没有”的东西产生警觉。
这是否是生物独有的能力？
目前来看，是的！
- 生物大脑：能通过进化和学习，内置对物理世界、逻辑关系的通用理解（比如“遮挡关系”“对称性”）。即使从没看过卡尼萨三角，也能瞬间理解“隐藏的图形”。
- 当前AI：只是“数据的影子”——如果训练时没喂过旋转后的卡尼萨三角，它就无法联想。像一台没有好奇心的照相机，只会记录，不会提问“这里是不是少了什么？”。
但注意：如果未来AI能结合更强的几何推理模块（比如AI版“空间想象力”），或许能突破这一限制。不过，这需要从根本上改变架构，而不仅是堆更多数据。
总结：AI vs 人类的“脑补”大战
能力人类当前AI（如Claude）认出经典图片即使第一次见也能理解必须训练中见过类似数据
旋转后识别轻松搞定（理解本质结构）大概率失败（依赖像素级匹配）
推断隐藏信息“这里应该有个三角形！”“我只看到黑块…别的不知道”
检测文本缺失“这段话少了一句”“字面意思没少就行…”
一句话：AI的“聪明”是数据库式的（知道多少算多少），而人类的聪明是联想+创造式的（不知道也能猜）——后者才是真正的高阶神经任务。
网友热评3：
说了那么多人脑优点，其实你们都不理解人脑是怎么运作，就像AI在哪里瞎逼逼
这和训练有关，你只给AI模型看训练最后结果，而不是把形成这个结果的过程告诉它，它可以像人脑补，那么这里就是不同人学识不同，得到结果不同，但是教授专家得出结论未必比学生正确，因为真实世界是不可知的，不要以为你看到世界你能解释，那是你心理作用而已，所以，什么世界模型，其实就是心理模型，自以为是世界的心理模型。
网友热评4：
AI的注意力机制（就是它"盯重点"的方式）没法直接关注"空的地方"，因为没字可盯啊！就像让你在一张白纸上找"没写的字"，你也会懵。
其实这是人类的灯下黑缺点，房间里有头大象 为何你没有看到？注意力没有注意到不存在的。老子《道德经》提倡知白守黑，知有守无。
总结：
- AI与人类通病：不见无 不知空 灯下黑
- AI如人：难察无，难守空
- AI短板似人：无中难生有"
- 黑镜成真！AI也患"灯下黑"绝症：为何我们总忽略最重要的"不存在"？