最近这篇关于生成式AI认知能力进化的研究很有意思，它用韦氏智力量表给多模态模型做了个“智力体检”。关键发现是：模型在言语理解和工作记忆上飙到了人类第98百分位以上，但知觉推理却跌到了第1百分位以下。这种极端“偏科”不是简单的任务表现差异，而是暴露了当前架构在认知泛化上的致命短板。
从个人经验看，我曾在几个复杂空间推理任务（如3D布局规划）中测试过GPT-4和Claude-3，结果它们频繁出现“逻辑跳跃”——能完美描述步骤，但最终输出却完全不符合物理约束。这印证了论文观点：模型擅长模式匹配和记忆检索，但缺乏真正的因果推理和空间表征能力。这种“言语强、感知弱”的失衡，意味着它们像“书呆子”：能背诵百科全书，却不会拼乐高。
一个值得探讨的问题是：这种认知不均是否源于训练数据中文本与多模态信息的质量差异？文本数据丰富且结构化，而视觉推理数据往往稀疏且噪声大。另外，现有架构的注意力机制是否天然偏向序列化语义，而非空间关系？
从行业趋势看，如果下一阶段模型无法突破知觉推理瓶颈，我们可能被锁死在一个“聪明鹦鹉”阶段：能写诗、编代码，但无法可靠地操作机器人或理解物理世界。未来AGI的竞争点或许不再是参数规模，而是如何设计“认知混合架构”——比如引入神经符号系统或世界模型来补强感知推理。这比单纯堆算力更有挑战性。