AI 数不准 13 个鸡蛋,问题不在“看不清”
生成图片很在行,精确数数却常出错。缺的不是分辨率,而是逐个追踪对象、稳定输出计数的机制。
一个简单测试暴露的问题
让模型数一张图里的鸡蛋,答案经常只差一两个。十次里对八次,看起来不算糟,但在需要精确数量的场景里,差一个就等于错。
这类错误并非偶发。物体越多、遮挡越严重、排列越乱,误差就越明显,说明它并没有真的在“一、二、三”地数。
模型是怎么“看”的
图像会被切成小块,转成一系列特征,再与文字对齐。模型学到的是“这一带像鸡蛋”这样的整体印象,而不是每个个体的坐标。
生成回答时,它是一个词一个词往外写的,数字只是其中一段文本。缺少中间的计数步骤,也就没有可核对的依据。
工程上怎么补救
一种做法是让模型先把图里的目标逐个框出来,再对框计数,把“数”变成可以验证的步骤。
另一种是引入外部工具:检测模型负责定位,程序负责加法。把容易出错的环节交给确定性代码,是目前比较稳的组合。
对使用者的提示
涉及数量、金额、日期的任务,别把输出直接当结果,留一步人工核对或程序校验。
评测时也要区分能力:整体描述对不对,和精确数量对不对,是两件事,混在一起看容易高估。
本文由好力百信息网编辑部整理撰写,观点仅供参考;转载请注明来源与链接。
读者留言
共 3 条 · 精选展示何
何晓2026-11-22
工程里确实这么干,检测加计数比让模型直接报数字靠谱。
苏
苏明2026-11-22
看完理解了,不是它笨,是任务类型不匹配。
郑
郑楠2026-11-22
提醒得好,票据类内容我现在都会复核一遍。