Token导航 LogoToken导航

AI 资讯 · IT之家

豆包千问生成13个鸡蛋数量出错

更新 2026-11-19IT之家正文 1868字阅读约 6分钟14 张图片
今天上班找选题(摸鱼),突然刷到一位网友提问:让豆包生成一张「盒子里有 13 个鸡蛋」的图片,豆包连续十几次纠错仍未能数清,这是为什么?
小编立刻打开豆包试了试,果然和网友测试的一样,明确告诉豆包生成 13 个鸡蛋,但豆包只生成了 12 个。
图片
我不服,换成阿里千问试试,它一边和我说“瞧好吧”,一边生成了 10 个鸡蛋。
不过千问起码进步了一点,知道 13 是质数,不是完整的一盒,还在盒子外面放了一个凑数。
图片
图片
再问问腾讯元宝,这次终于对了。元宝直接生成了四张图,有三张的数量都是对的,不过也有一张生成了 16 个鸡蛋。
图片
这不禁让人产生疑惑,AI 已经这么强了,既能下围棋打败人类,又能做出各种各样满足想象力的短剧,那为什么简单的数 13 个鸡蛋就是不会呢?
01.
AI 生图是个偏科生
上世纪 80 年代,有学者提出了一个“莫拉维克悖论”,是说人工智能在逻辑推理等“高难”任务上表现优异,却在走路、抓取等“简单”感知运动任务上极其困难的反直觉现象。
事实上,科学家们后续的研究也佐证了这一观点。简单来说,就是 AI 能拿奥数金牌,却拿不起铅笔。
而在 AI 生成 13 个鸡蛋的图片这项任务中,AI 满脑子想的是怎么把图片生成得尽量像、尽量美观,却很难把每个鸡蛋数一遍。
其实,研究人员已经发现了这个问题。
英伟达联合两所大学的研究人员,去年在计算机视觉顶级会议 CVPR 2025 发表的一篇论文《Make It Count: Text-to-Image Generation with an Accurate Number of Objects》就专门讲到,AI 生图不会数数的根源在于:
  • 身份保持的挑战:13 个鸡蛋长得几乎一模一样,甚至相互遮挡,但 AI 得学会把它们都分清楚哪个是哪个。
  • 全局计算的缺失:人在画一幅 13 个鸡蛋的画时,自然而然会把鸡蛋的个数数一遍,而 AI 只收到了生成图片的任务,并不会主动再数一遍鸡蛋。就好比你让一个孩子去洗碗,他就只会洗碗,而不会主动联想到要擦灶台、打扫厨房、扔垃圾。
  • 内部表示未知:AI 到底有没有学过数数,到底是怎么数的,如果不认识数字 13,那么数 13 个鸡蛋也就无从谈起了。
图片
此外,13 这个数也有点刁钻,只能放一行 13 个,两行三行四行都会有空缺,AI 思考不过来就有点懵了。
02.
让 AI 学会数数
既然 AI 生图不会数数,那么我们教会它不就好了嘛。
没错,这篇论文的研究团队就是这么做的,他们提出了一种生图方法名为 CountGen,其核心思路就是利用 AI 自身的内部信号来检测和修正数量,而不依赖外部的工具。
图片
研究人员发现,AI 生图过程中其实自带一个“天然计数器”,特定层的特征能区分不同的物体。
即使生成的都是鸡蛋,在注意力图(下图中的色块图)里也会表现为独立的连通区域,而不是糊成一团。这为在去噪过程中实时“数数”提供了可能。
图片
接下来,CountGen 要做的就是三步走:
  • 检测与计数:在去噪的特定步骤,提取鸡蛋的注意力图,分离并清点鸡蛋数量。
  • 修正“数量不足”:若检测到数量少于要求,则调用一个轻量级的布局预测模型。该模型基于已有鸡蛋的布局,预测缺失物体的位置和形状,再通过注意力操控引导模型在指定区域生成一个新鸡蛋。
  • 抑制“数量过多”:若数量超标,则通过降低多余区域的注意力响应来抑制其生成。
然后循环往复,一直数到鸡蛋数量是 13 为止。
图片
最终的结果也证明了训练的成效,相比 DALLE 3、Reason Out Your Layout、SDXL、Repeated Object SDXL 以及 Counten Layout + bounded attention 等一众生图工具,CountGen 生成正确数量的成功率都更高。
图片
03.
我该怎么让 AI 生图正确数数
上面提到的只是研究成果,接下来要讲的,是我们自己 AI 生图时,如何让 AI 更好地数数。
既然豆包不会数,那么我们就要耐心一点,像教孩子那样,详细地告诉它具体怎么做。
比如换个描述语:生成一盒鸡蛋,15 个凹槽,其中 13 个装上鸡蛋,另外两个空着。
豆包这次自动调用了技能,经过将近一分钟的思考和数数,最终生成了正确的 13 个鸡蛋。
 该图片疑似使用了AI生成技术,请谨慎甄别图片
此外,你也可以和它说:生成一盒鸡蛋,每行 5 个凹槽,第一行装 4 个,第二行装 4 个,第三行装 5 个。
这次的描述更具体,豆包只思考了半分钟,就生成了准确无误的 13 个鸡蛋。
 该图片疑似使用了AI生成技术,请谨慎甄别图片
或者,也可以直接换一个“学过数数”的 AI 工具,比如 ChatGPT 就直接准确生成了 13 个鸡蛋,速度也更快。
图片
此外,你也可以把豆包切换到工作模式,数数的智力就大幅提升了。即使不用详细描述,也能正确生成 13 个鸡蛋。
图片
 该图片疑似使用了AI生成技术,请谨慎甄别图片
文章标签学术研究

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。