宝玉xp
26-11-19 11:27 微博认证:前微软Asp.Net最有价值专家 2025微博年度新知博主 科技博主

昨天有朋友在微信群里发了张图,是一段豆包无法生成十三个鸡蛋图片的截图,然后很多人在笑豆包不行。其实换其他生图模型也大概率无法正确生成,即使像 Gemini 和 GPT 这样公认顶级的模型(Claude 没有生图模型)。

人类画 13 个鸡蛋,会拿笔在纸上画一个、心里默数“1”,画完第 13 个就停笔。

但主流的 AI 画图模型(扩散模型,Diffusion Model)完全不是这样工作的。它一开始面对的是一张布满随机噪点的图,然后同时对整张图的每一个像素做微调,一步步把噪点“擦”成清晰的画面。

整个过程里,AI 脑子里并没有一个计数器去记录我已经画了 12 个,还差 1 个。它只是在凭感觉把整张图往像一盒鸡蛋的方向去修。

AI 是通过看几亿张真实照片学会画画的。在现实世界里,鸡蛋盒几乎都是规规矩矩的矩形格子:6 个(2×3)、12 个(2×6)、15 个(3×5)或者 18 个(3×6)。

但 13 是个质数,没法排成一个整齐的矩形,要么多出一个,要么空出几个格子。当 AI 看到“盒子里的鸡蛋”时,它庞大的历史记忆(统计学上的先验概率)会把它往“整齐的 3×5 鸡蛋盒”上拉。结果,画得整齐合理的本能,覆盖了“必须是 13 个”的要求。

在 AI 眼里,大数字更像一种大概的感觉,对于 1、2、3 这种小数字,AI 见过太多清晰的对应图片(比如“两只猫”、“三个人”),所以能分得很清。

但数字一旦超过 5 或 10,在画图模型的理解里,12、13、14、15 在视觉特征上的差别非常微弱。当你输入“13 个鸡蛋”时,AI 接收到的信号往往会被模糊成一种氛围感,大概就是“满满一盒鸡蛋、数量比较多”,没办法形成一个严格的数学等式。

真要想准确画 13 个鸡蛋,也不是不可以,可以清楚的说出布局的要求,比如第一排 7 个,第二排 6 个,有了这样的布局约束,AI 更容易画对。如果还需要百分之百准确,就应该使用程序生成位置,或者生成后借助视觉识别与人工检查,再修改图片。

AI 擅长生成看起来正确的内容,但看起来正确不代表真的就是正确的。

这个问题不仅发生在画鸡蛋时。

例如,让 AI 画一只手,它可能画出六根手指;让它画一个有 20 个窗户的建筑,它可能生成 19 个或 21 个;让它生成数据图表,图形可能很好看,但数值与实际数据不一致。

这也是为什么 AI 不能只依赖生成能力,还需要验证机制。

#豆包被十三个鸡蛋难倒#、#豆包画13个鸡蛋反复出错#、#豆包画不对13个鸡蛋#、#主流AI画不对13个鸡蛋#

发布于 美国