人类秒懂，AI崩溃：一个简单测试，就让GPT-5、Gemini等顶级模型集体“翻车”
人类一眼就能看懂的文字，AI居然全军覆没。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
来自A*STAR、NUS、NTU、清华、南开等机构的研究团队，最近有个新发现：
不管是OpenAI的GPT-5、GPT-4o，还是谷歌Gemini、Anthropic Claude，甚至国内的Qwen、LLaVA，在面对一些“看得见但读不懂”的文字时，全都表现极差，直接“翻车”。
先切再叠，AI束手无策
VYU团队设计了两个小实验：
1、选取了100条四字成语，把每个汉字横切、竖切、斜切，再把碎片重新拼接。
人类读起来毫无压力，AI却几乎全错。
2、挑选了100个八字母英文单词，把前后两半分别用红色和绿色渲染，再叠加在一起。
对人类来说，这几乎不构成挑战——因为我们的视觉系统对红/绿通道异常敏感，大脑能自动分离颜色，然后拼出完整的单词。
但对AI模型来说，结果却完全不同：
即使是最新发布的大模型，在这些问题上也屡屡碰壁。
无论是Gemini 2.5 Pro:
还是Kimi 2（Switch to 1.5 for visual understanding） ：
（PS：Kimi 2最终推测的答案是hardline）
又或者Qwen3-Max-Preview：
全都得不到正确的结果。
AI不懂符号分割与组合
对该现象进行分析，VYU团队认为，根本原因在于AI靠模式匹配，不懂文字结构。
人类之所以能“读懂”，是因为我们依赖结构先验——知道汉字由偏旁部首组成，知道英文是按字母组合的。
而大模型只是把文字当作“图片模式”来识别，没有符号分割与组合的机制。
于是，只要文字稍作扰动（但人类依旧能看懂），AI就会彻底崩溃。
这个问题之所以值得研究，是因为它关系到AI落地的核心挑战：
在教育和无障碍应用里，AI可能无法正确识别“非标准文本”。
在历史文献与科学笔记整理中，AI无法像人类一样从残缺文字中恢复含义。
在安全场景里，攻击者甚至可以利用这种“盲点”绕过AI审查。
VYU团队认为，要想让AI拥有类似人类的韧性，必须重新思考VLMs如何整合视觉与文本——
也许需要新的训练数据、更注重分割的结构先验，或者全新的多模态融合方式。
更重要的是，这一结果也提醒我们：人类的阅读理解从来不是单一模态的过程，而是依赖多重感知与推理的综合能力。
论文链接：
https://zjzac.github.io/publications/pdf/Visible_Yet_Unreadable__A_Systematic_Blind_Spot_of_Vision_Language_Models_Across_Writing_Systems__ArXiv.pdf
张扬
热门专题
热门推荐
一、授予系统权限并启动基础服务 想让BetterTouchTool真正“活”起来，第一步就得打通系统权限。它需要“辅助功能”权限来监听你的触控板事件，也需要“屏幕录制”权限来执行一些窗口操作。这两项权限缺一不可，否则你会发现手势做了，但电脑毫无反应。 具体操作其实不复杂：先进入系统「设置」-「隐私与
如何开启Windows 11“高性能模式” 解决笔记本玩游戏掉帧降频方法 笔记本玩游戏，最扫兴的莫过于画面突然卡顿、帧率断崖式下跌。很多时候，问题并非出在硬件本身，而是Windows 11默认的电源策略在“拖后腿”。为了省电，系统会动态调节处理器频率、让核心休眠，甚至给显卡设置功耗墙，这直接限制了硬
macOS更新失败？别慌，这五步能帮你搞定 升级macOS时，进度条卡住不动、弹窗提示“无法验证更新”或者干脆报错退出，这事儿确实让人头疼。其实，这些看似随机的故障，背后通常逃不出几个核心原因：存储空间不连续、网络连接不干净、缓存文件有冲突，或者磁盘底层出了点小状况。别担心，按照下面这套经过验证的步
Linux下使用Jattach工具诊断Ja va进程 零停机获取Dump信息 开门见山，先说一个核心判断：jattach 并非 JDK 自带工具，也不能直接替代 jstack。但它的价值在于，能在某些棘手场景下，绕过 JVM 的安全限制成功获取 dump。当然，这有个前提——目标 JVM 的 Att
Tyk Dashboard 启动失败？从配置到排查的完整指南 在Linux上部署Tyk，可不是简单的apt install或yum install就能搞定。它背后依赖着MongoDB和Redis，并且对配置顺序有严格的要求。跳过其中任何一环，tyk-dashboard服务很可能就会卡在502错误，或