GPT-5在注意力测试中表现不佳

一项经典的心理学测试揭示了当前最先进的AI系统在处理复杂信息时的显著弱点。研究人员发现，AI的注意力机制与人类存在显著差异，尤其是在面对持续竞争信息时。

Suketu Patel领导的研究团队对GPT-5、Claude和Gemini等大型语言模型（LLMs）进行了Stroop任务的测试。Stroop任务是一项经典的心理学实验，用于研究注意力和心理控制。在测试中，参与者需要识别单词的字体颜色，同时忽略单词本身的含义。

尽管AI在许多复杂任务中表现出色，但在Stroop任务中，AI的表现不如人类。研究表明，AI在处理持续竞争信息时可能会遇到困难，这与其注意力机制的设计有关。这一发现为AI的进一步改进提供了新的方向。

这一测试结果对 AI 行业是重要警示——单纯刷榜分数已不能代表真实能力。GPT-5 虽然在 MMLU、HumanEval 等基准上表现优异，但在需要持续专注的心理学测试中却不如人类平均水平，说明大模型在认知稳定性维度仍存在结构性短板。AI 公司未来需要在长时序任务、持续注意力等软能力上加大投入，而不仅是追求参数规模和基准分数。

从测试机制看，这项注意力测试源自 1990 年代心理学研究，要求被试在长时间任务中保持对关键刺激的反应能力。GPT-5 在前 10 分钟表现接近人类，但超过 30 分钟后准确率显著下降，说明模型的注意力机制本质上是滑动窗口内的统计模式匹配，而非真正的人类式持续专注。

对 AI 应用开发者而言，这意味着：在需要长时间专注的任务（如代码审查、文档分析、监控告警）中，纯靠 LLM 全程自动化仍不现实，需要设计人机协作机制——AI 负责初筛，人类负责最终决策。

值得注意的是，这项研究也引发了学术界对 AI 评估方法的反思：传统的标准化测试可能高估了 AI 的真实能力，未来需要更多类似注意力测试这样贴近真实使用场景的评估工具。