转载 | 经典心理学测试暴露AI最大弱点：注意力无法持续集中
一项新研究发现，当前最先进的人工智能大语言模型在执行需要持续注意力的任务时，会意外地”走神”并崩溃。研究人员将多个主流AI模型置于经典的斯特鲁普任务（Stroop task）中进行测试——该任务要求参与者说出文字的颜色而非阅读文字本身，是心理学中衡量注意力和执行控制的经典实验。
实验结果显示，当处理包含5个颜色词的短列表时，GPT-4o的准确率高达91%。但当列表扩展到10个词时，准确率骤降至57%；当扩展到40个词时，准确率仅剩15%。Claude 3.5 Sonnet在20个词的列表内保持稳定，但40个词时准确率跌至24%。GPT-5、Claude Opus 4.1和Gemini 2.5也出现了类似的性能衰减模式。当匹配与不匹配的颜色词混合出现时，AI模型的表现进一步恶化，某些情况下不匹配项的准确率几乎降为零。
研究指出，AI模型并非真的”分心”，而是缺乏持续维持复杂指令的能力——它们会逐渐”忘记”要识别墨水颜色这一指令，转而默认去读取文字本身。这一发现揭示了当前大语言模型在”认知持久性”方面的根本性局限，也为提升AI系统的注意力机制指明了方向。