专栏名称: 人工智能产业链union

人工智能产业链核心：基础技术、人工智能技术及人工智能应用。服务机器人核心：芯片、操作系统、AI技术。工业机器人核心：减速器、伺服机、控制器。无人机核心：控制、环境感知、路径规划。无人驾驶汽车核心计算机科学、模式识别、智能控制技术。

【AI】AI记忆伪装被戳穿！GPT、DeepSeek等17款主流大模型根本记不住数字

人工智能产业链union · 公众号 · 科技自媒体 AI · 2025-06-17 08:00

主要观点总结

本文主要讨论了大模型在工作记忆方面的表现，通过三个实验来检验大模型是否具备类似人类的工作记忆能力。实验包括数字猜谜、是非问答和数学魔术等任务，涉及多个大模型的测试，并讨论了不同模型的表现和存在的问题。文章还提到了未来研究方向，如借鉴认知科学、引入可读写的内存格等方法来改善大模型的工作记忆能力。

关键观点总结

关键观点1: 工作记忆的定义和重要性

工作记忆负责把刚获得的信息保留几秒到几十秒，并进行推理、计算、对话等复杂操作。对人类而言，工作记忆是连续交流的关键；对于大模型，工作记忆是评价其是否具备通用人工智能潜力的重要指标之一。

关键观点2: 实验概述

文章通过三个实验来测试大模型的工作记忆能力：数字猜谜实验通过重复提问来检验模型是否能在心中保留数字；是非问答实验通过一系列问题检验模型是否能持续保持一致的回答；数学魔术实验则检验模型在连续心算过程中的记忆保持能力。

关键观点3: 实验结果与分析

实验结果显示，大部分大模型在工作记忆方面的表现并不理想。在一些任务中，模型的回答无法做到持续一致，甚至出现自相矛盾的情况。尽管有些模型在某些任务中表现稍好，但总体来说，大模型在工作记忆方面还存在较大差距。

关键观点4: 未来研究方向

为了提高大模型的工作记忆能力，未来可以借鉴认知科学的研究方法，引入可读写的内存格机制，或者通过强化学习、神经模块化等方法让模型学会在体内保留并操纵隐变量。这些研究方向有望为改善大模型的工作记忆能力提供新的思路和方法。

正文

请到「今天看啥」查看全文

结果发现问到 20‑40 题时，GPT‑4 级别模型开始露馅：「比汽车大」同时又「比足球小」之类的尺寸悖论横飞。长上下文（Long-Context）推理能力更强的 GPT-4o 在通过的次数以及平均回答问题数上均超过更弱的 GPT-4o-Mini，但总计 200 次测试中也仅仅有 27 次成功通过。这说明大模型仅通过其长上下文能力在完成任务，而非一个一致的工作记忆。