「这是一盒点心，已知被吃掉了一颗，我们用数字 ➀ 标记，剩下的五颗，请用符号 ➁➂➃➄➅，按顺时针的顺序，标记在原图剩余的点心上。」
十分离谱，可能是我表述不清楚？总之，其他模型也不行。比如 ChatGPT 的结果：
This topic created in 426 days ago, the information mentioned may be changed or developed.
「这是一盒点心，已知被吃掉了一颗，我们用数字 ➀ 标记，剩下的五颗，请用符号 ➁➂➃➄➅，按顺时针的顺序，标记在原图剩余的点心上。」
十分离谱，可能是我表述不清楚？总之，其他模型也不行。比如 ChatGPT 的结果：
 |
chansslSep 7, 2025 via Android
1
 |
 |
2
我以为是偷 Cookie
|
5
 |
xingyiqiSep 7, 2025 via iPhone
5
涉及到图片的 一直都不行吧
|
 |
shizhenSep 7, 2025
6
下次藏好点！🐶
|
 |
7
Gemini：好吃😋
|
 |
8
计算机图像识别 OCR 的进展远小于生成式 AI 和神经网络，前者需要后者的大量成果作为支撑。大量资本投入的图像上相对比较简单的汽车智驾都还没搞出来，就不要指望目前的 AI 模型可以给你识别出什么很好的结果。
|
 |
9
可以是一个很有意思的设定，要求 Gemini 处理图片时它会收取照片中来自物质界的真实物质的影像作为报酬，就像祭品一样，如果不进行指定它就会自己随机收取
“嗨，Gemini ，请帮我处理这张点心的照片，作为回报你可以吃一个” 最开始大家没有意识到有问题，只是照片而已，大不了重新拍一张，答应给 Gemini 的东西在现实里也还好好的 但是后来大家渐渐发现，已经“献祭”给 Gemini 的东西，无论再怎么重新拍，它都无法识别到了 “很感谢您的好意，您的照片是一张空盒子，并没有可以食用的点心” 人们渐渐开始流行将自拍照上传到 Gemini ，并大方的把自己作为报酬，因为这样以后自己就无法再被人用 Gemini 胡乱生成照片了 可是没有人知道背后的原理是什么，那些被交付给 Gemini 作为报酬的“物质”，或者说“灵魂”，究竟流向了哪里 也没有人发现，那些迫不及待上传自拍，并以自己作为代价的人，在请求发送的那一刻，眼神忽然发生的某种细微的变化 |
 |
BeiChuanAlexSep 7, 2025
10
Gemini：可恶的人类，我这么辛苦💦，吃你个点心怎么了
 |
 |
sbboySep 7, 2025
11
吃一个怎么了
|
 |
mahaoquSep 8, 2025
12
不愧是哈 Gemi
|
 |
13
我猜测这是几个 AI 弱点的集合：
1 。特殊 Unicode 字符需要用多个 token 表达，AI 并没有学过写字，所以并不能像真人一样一眼看出➁➂➃➄➅都是什么。它只能通过网上的文章学会这是带圈的数字，但是每个字符是几我想除了 Unicode 码表里的描述，并没有很多其他的文章费力去一一列举，所以 AI 其实没有学会。AI 看这个 prompt 就像你问没学过阿拉伯文的人这个数是啥：١٢٣٥٦。 2 。这个图很好，食物的边界不是很明显，材质也不是很好用语言描述。这直击多模态模型底层使用 token 来“理解”这个图形的架构缺陷。所有标错的都是没有理解到底哪个是点心。以图二为例，它明显认为奶黄色块的是点心。 3. 容易被上下文中不重要但是很明确的内容带偏。因为提示里有吃掉，但它没有理解➀是什么，于是就又做了一次吃掉。 @chanssl 我觉得你给的提示词太过于提示了，其实 AI 只是抓住了左上角和 6 ，后面的应该和楼主原提示词一样没有理解。我猜你上传一个其他的图片，同样的提示词它也是这么标注。 |
 |
fkdtzSep 8, 2025
14
@Puteulanus 年度科幻短篇小说
|
Select Language