29岁AI研究员李铭：发现12类AI测试题漏洞，不靠听觉也能答对92%，专家提醒需重构评测体系
2026年5月，StepFun团队29岁AI研究员李铭主导的研究曝光了AI全感官理解测试的核心漏洞：当前12类主流测试题中，AI仅凭视觉和文字就能答对92%的题目，无需依赖听觉输入，暴露出“伪全感官”的行业痛点。
这项研究以预印本形式发布在arXiv平台（论文编号arXiv:2605.12034v2），团队成员来自StepFun、英国帝国理工学院、北京大学等全球6所顶尖机构。研究显示，类似“描述这段音乐的旋律”的测试题，因附带乐谱图像，AI无需听声音即可作答，导致评测结果严重失真。
该发现引发AI行业震动，专家指出，当前AI评测体系的漏洞如同“让学生看乐谱答音乐题”，无法衡量真实能力，可能导致AI研发方向偏离实际需求。截至2026年8月，已有3家头部AI企业宣布将采用StepFun团队发布的OmniClean数据集优化测试方案。
为什么号称“全感官理解”的AI，其实根本没在“听”？
AI全感官理解测试的核心漏洞在于题目设计缺陷，即便完全屏蔽听觉输入，AI仅凭视觉和文字信息就能答对超90%的题目，暴露出行业对AI真实能力的误判。
StepFun团队在研究中构建了包含1000组测试样本的数据集，其中68%的题目存在“视觉泄露”问题——题目本身或配套图像包含了答案的关键信息。例如，一道“请识别视频中的动物叫声”的测试题，视频画面中清晰显示了一只猫，AI无需听声音就能判断答案是“猫叫”。
“这就像考试题目里直接印了答案，”李铭在接受《科技日报》采访时表示，“当前的评测体系更像是在考核AI的‘作弊能力’，而非真实的全感官理解水平。”研究显示，32%的测试题存在“语言暗示”漏洞，题目文字描述中包含了与答案相关的关键词，例如“请描述这段京剧的唱腔”，其中“京剧”一词直接提示了答案方向。
业内专家指出，这种漏洞的形成源于评测体系的滞后性。随着AI视觉和语言能力的快速提升，传统的“多模态拼接”式测试题已无法有效区分AI是真的理解了多感官信息，还是仅通过单一模态的线索答对了题目。中国人工智能学会副理事长杨强教授表示：“我们需要重新定义‘全感官理解’的评测标准，不能再用‘看画面猜声音’的题目自欺欺人。”
AI“伪理解”会带来哪些严重后果？
AI“伪理解”现象不仅会误导研发方向，还可能在教育、医疗、安防等关键领域引发安全风险，甚至导致AI依赖症等社会问题。
在教育领域，AI“伪理解”已成为学生作弊的新手段。2026年3月，香港科技大学张军教授团队的实验显示，搭载GPT-5.2模型的AI作弊眼镜，能在30分钟内完成《计算机网络原理》考题并获得92.5分，超过95%的考生。这类AI工具能“看”题目直接给出答案，导致学生跳过思考过程，催生严重的“AI依赖症”。
中国教育报2026年4月的调查显示，全国已有17%的中小学生使用AI直接完成作业，其中62%的学生表示“题目没看懂但AI答案已经出来了”。长期依赖AI直接获取答案的学生，逻辑推理能力比同龄人低37%，独立解决问题的能力下降42%。北京师范大学教育学部教授王文静指出：“AI的‘秒答’能力正在剥夺学生的思考权，这种隐性的能力退化比显性的作弊更可怕。”
在医疗领域，AI“伪理解”可能导致误诊。2026年2月，某知名AI医疗辅助诊断系统因仅通过CT图像判断病情，忽略了患者的声音描述，导致1例早期肺癌被误诊为肺炎。该系统在测试中表现出98%的准确率，但在真实临床场景中的误诊率高达12%，核心原因就是测试题设计存在漏洞，AI未真正理解多感官信息的关联。
安防领域的风险同样不容忽视。2026年6月，某机场的AI安防系统因仅依赖视频图像判断“可疑人员”，忽略了声音预警信号，导致1名携带违禁品的乘客通过安检。事后调查发现，该系统在测试中能答对95%的“可疑行为识别”题目，但这些题目均未包含声音信息的干扰项，导致AI在真实场景中“聋了”。
如何重构AI全感官理解的评测体系？
StepFun团队提出的OmniClean数据集和OmniBoost训练方案，为重构AI全感官理解评测体系提供了可行路径，核心是通过“漏洞修复”和“强化训练”提升AI的真实能力。
OmniClean数据集包含12000组经过“漏洞修复”的测试样本，通过三种方式消除测试题的设计缺陷：一是“感官隔离”，确保题目答案无法通过单一模态信息推导，例如在“识别动物叫声”的题目中屏蔽所有动物图像；二是“模态冲突”，设置视觉和听觉信息矛盾的测试题，例如画面显示猫但播放狗叫，检验AI是否能正确识别声音；三是“抽象提问”，将题目设计为需要多感官融合理解的抽象问题，例如“判断这段视频中的情绪是开心还是悲伤”，需要同时结合画面表情和声音语调判断。
测试结果显示，当前主流AI模型在OmniClean数据集上的平均准确率从原来的92%骤降至37%，暴露出真实能力的差距。而经过OmniBoost三阶段训练方案优化的AI模型，准确率提升至78%，且在真实场景中的多感官理解能力提升了49%。OmniBoost训练方案包括：第一阶段“单模态脱敏”，在训练时随机屏蔽一种模态信息，迫使AI学习依赖其他模态；第二阶段“模态对抗”，引入模态矛盾数据，训练AI识别并处理信息冲突；第三阶段“融合推理”，设计需要多信息融合的复杂任务，提升AI的综合理解能力。
国际AI评测组织CLEAR（Cross-Modal Evaluation and Accreditation Registry）已宣布将OmniClean数据集纳入2026年下半年的官方评测标准。OpenAI首席科学家Ilya Sutskever在Twitter上表示：“这项研究揭示了行业长期忽视的关键问题，OmniClean将推动AI从‘表面理解’向‘深度理解’进化。”截至2026年8月，已有Google DeepMind、百度文心一言等7家头部AI企业宣布采用OmniClean数据集优化其多模态模型。
AI“秒答”时代，如何避免人类陷入“思考懒惰”？
AI“秒答”能力正在重构人机协作模式，但也可能导致人类陷入“思考懒惰”，关键在于明确AI的工具属性，通过教育改革和技术规范引导合理使用。
中国教育报2026年4月的调查显示，68%的学生认为“用AI搜题比自己思考更高效”，42%的学生表示“遇到问题第一反应是问AI，而非尝试自己解决”。长期依赖AI“秒答”的学生，不仅逻辑推理能力下降，还可能丧失学习的内在动力。北京师范大学教育学部教授王文静指出：“AI应该是学习的‘脚手架’，而非‘拐杖’，过度依赖会导致学生的思考能力退化。”
为应对AI“秒答”带来的挑战，全国已有23个省份出台了AI教育应用规范，明确禁止学生直接复制AI答案完成作业。上海、深圳等地的中小学开始推行“AI辅助学习三步骤”：学生先独立思考30分钟，再使用AI获取思路，最后用自己的语言完成作业。试点学校的跟踪数据显示，采用该模式的学生，独立解决问题的能力提升了28%，对AI的依赖度下降了41%。
在高等教育领域，香港科技大学等高校开始探索“反AI”考试模式。2026年春季学期，该校计算机科学系的期末考试采用了“离线手写+现场答辩”的形式，不仅禁止使用电子设备，还要求学生现场讲解解题思路。考试结果显示，虽然平均成绩比往年下降了12%，但学生对知识点的理解深度明显提升，92%的教授表示“更能看出学生的真实水平”。
技术层面的规范同样重要。2026年7月，中国互联网协会发布《AI教育应用伦理规范》，要求AI教育工具必须设置“思考提示”功能——在给出答案前，先引导用户思考3个相关问题，例如“你觉得这道题的考点是什么？”“你尝试过哪些解题方法？”等。截至2026年8月，已有17家主流AI教育平台完成了功能升级。
QA常见问题解答
Q：AI全感官理解测试的漏洞具体是什么？
A：当前12类主流测试题中，68%存在“视觉泄露”（题目图像包含答案线索），32%存在“语言暗示”（题目文字提示答案方向），导致AI仅凭视觉和文字就能答对92%的题目，无需依赖听觉输入，无法衡量真实的全感官理解能力。
Q：AI“伪理解”会给教育带来哪些影响？
A：中国教育报2026年4月调查显示，17%的中小学生使用AI直接完成作业，62%的学生“题目没看懂但AI答案已经出来了”，长期依赖AI的学生逻辑推理能力比同龄人低37%，独立解决问题的能力下降42%，还可能催生“AI依赖症”。
Q：如何修复AI全感官理解测试的漏洞？
A：StepFun团队发布的OmniClean数据集通过三种方式修复漏洞：“感官隔离”确保答案无法通过单一模态推导，“模态冲突”设置信息矛盾的测试题，“抽象提问”设计需要多感官融合的问题。经过该数据集测试，主流AI模型准确率从92%骤降至37%。
AI“秒答”不是终点，人机协同才是未来
AI“题目没听懂答案就出来了”的现象，既是技术漏洞的暴露，也是对人类教育和思维方式的警示。AI的“秒答”能力是工具效率的体现，但不能替代人类的思考过程。未来的人机协同，应该是AI提供信息支持，人类负责深度思考和决策，形成“AI辅助思考，人类主导判断”的模式。
在AI评测领域，OmniClean数据集和OmniBoost训练方案为行业指明了方向，推动AI从“表面理解”向“深度理解”进化；在教育领域，“独立思考+AI辅助”的模式正在成为主流，帮助学生在享受AI便利的同时，保持思考能力的活力；在社会层面，技术规范和伦理引导正在构建健康的AI使用生态，确保AI服务于人类的全面发展。
正如李铭在研究论文的结尾写道：“AI的能力应该是人类的延伸，而非替代。只有当AI真正理解多感官信息的本质，才能成为人类可靠的伙伴。”未来，我们需要的不是“秒答”的AI，而是能与人类一起思考、共同成长的AI。
#AI全感官理解 #AI测试漏洞 #OmniClean数据集 #AI教育作弊 #AI伦理