遭遇“滑铁卢”：多模态 AI 竟数不清一副麻将，暴露视觉推理硬伤

近期有科技爱好者发现，在向多模态大模型展示一副存在缺失（少一张北风）的中国麻将图片并询问牌数时，多个主流模型均未能识别出错误。这一现象并非个例，它深刻揭示了当前 AI 技术在视觉逻辑推理上的局限性。大模型往往侧重于图像的语义理解而非像素级精确计数，在面对需要高精度细节捕捉的任务时容易出现“幻觉”或遗漏。这也表明，尽管多模态能力飞速发展，但在处理细粒度视觉数据和严谨逻辑验证方面，AI 距离人类水平仍有明显差距，提示开发者需关注模型在精确性维度的优化。