DeepMind等机构论文发现红色爱心图像可使大模型在编码任务中改用递归解法
要点
arXiv预印本平台10月27日刊登一篇题为《A Heart Means Recursion》的论文（副题Exploring Visual Meaning and Communication in VLMs，意为“探索视觉语言模型中的视觉含义与交流”），作者包括Google D…
arXiv预印本平台10月27日刊登一篇题为《A Heart Means Recursion》的论文（副题Exploring Visual Meaning and Communication in VLMs，意为“探索视觉语言模型中的视觉含义与交流”），作者包括Google DeepMind的Alexa Tartaglini、斯坦福大学的Zhengxuan Wu、Martin Wattenberg、Been Kim等研究人员。论文报告了一个出人意料的观察：在编码题旁放一张红色爱心的图片，就能让多个前沿大模型集体改换解题方式。
研究团队在一个二叉树中序遍历任务上测试了Claude Opus 4.7、Gemini 3.1 Pro和GPT-5.4三个模型，每种条件采样20次。在没有图像时，Claude Opus 4.7和GPT-5.4的20次采样中没有一次选择递归解法，几乎总是借助栈写出迭代实现；而在提示中附上一颗红色爱心的图像并让模型查看后，两个模型在全部20次采样中都改写了递归版本。对Gemini 3.1 Pro，起作用的是黄色对勾，可将递归比例从40%的基线推高至90%。实验共使用了288个由24种形状与12种颜色组合而成的视觉符号，各模型对形状和颜色的反应互不相同，部分实验还覆盖了Claude Sonnet 4.5、GPT-4o等模型。
对照实验显示，这种引导效应来自形状本身的视觉特征：把同样的符号改写成等长的文字描述，无法复制图像的效果，两者的引导方向相关性很低；随机噪声图像和自然图像也几乎不产生引导。更值得注意的是行为与自述的脱节——当符号确实在引导行为时，71.5%的Gemini思考轨迹把该符号归为无关干扰；GPT-5.4在符号未产生引导效果时，74.7%的思考轨迹反而声称符号决定了自己的行为；在图像被静默插入的条件下，GPT-5.4的全部思考轨迹都未提及图像，而Claude Opus 4.7仍能完全切换到递归解法。
论文还考察了模型之间的视觉传话：发送方倾向于选择人和模型都觉得直观的基础形状，例如螺旋、无穷符号和箭头，但这些图形常常引导不了接收方，存在明显的生成与解读鸿沟。在涉及抽象概念和故事的通信实验中，模型用自由绘图传递信息的效果好得多——97.8%的实验最终收敛到正确目标，而仅用简单符号时首轮成功率只有47.8%。论文的人类对照实验规模较小，人对最强引导符号的解读与实际引导方向的吻合率只有约36%，低于随机水平。
研究团队将这种现象称为隐式引导，并在论文中说明这属于初步发现，实验任务均为合成任务，尚未验证真实智能体工作流中的表现。论文提出的问题指向现实场景：网页广告图、界面图标、聊天表情等被当作背景的视觉元素，是否会在无人察觉时改变读屏智能体的选择。这一现象也与心理学中的锚定效应形成对照——在1974年的经典实验中，一个与问题毫无关系的随机转盘数字，曾把人们对同一问题的估计拉开近20个百分点。
