PNAS Nexus：Stroop 任务暴露 Transformer 注意力在长序列冲突控制中的短板

学术圈重大事件 · 发布 2026-06-14T19:55:00+08:00 · 更新 2026-06-14T20:03:20+08:00

核心结论

PNAS Nexus 6 月刊论文用经典 Stroop 任务测试 GPT-4o、Claude 3.5 Sonnet，并补充 GPT-5、Claude Opus 4.1、Gemini 2.5 Pro，发现长列表冲突条件下模型颜色命名准确率明显坍塌。

据 PNAS Nexus 论文页和 SciTechDaily 6 月 14 日报道，CUNY、Texas A&M 等研究者把心理学中的 Stroop 任务改造成多模态大模型测试：模型需要忽略颜色词本身，只回答文字的显示颜色。论文发表于 PNAS Nexus 2026 年 6 月刊，主题不是比较聊天模型榜单，而是追问 Transformer 的“attention”与人类执行控制是否等价。

可核验的关键细节是，短列表中 GPT-4o 和 Claude 3.5 Sonnet 能表现出类似人类的冲突效应，但随着列表长度增加，非一致条件的表现快速下滑；论文称 GPT-4o 在 5 个词时准确率约 91%，到 40 个词时降至约 15%，Claude 3.5 Sonnet 在 40 个词时也降至约 24%。作者还补充测试了 GPT-5、Claude Opus 4.1 和 Gemini 2.5 Pro，认为链式思考或更大上下文并没有自动补上持续目标维护、冲突检测和优先级覆盖机制。

这条新闻的意义在于，它把“模型会不会遵守指令”的问题从主观体验拉回到可复现实验范式。对 AI 安全、agent 任务执行和科研自动化而言，长任务中的目标保持可能比单轮推理更关键；但该研究仍是受控认知任务，不等同于证明所有真实工作流都会以同样方式失败。

信息来源

• PNAS Nexus：Deficient executive control in transformer attention
• SciTechDaily：Even GPT-5 Failed This Human Attention Test

可信度说明

主要来源为 PNAS Nexus 开放论文和 SciTechDaily 的二次传播；论文给出 DOI、发表日期、模型与任务设计，但具体测试提示、版本状态和商用模型后续更新会影响复现。本文只把结论表述为受控 Stroop 任务下的执行控制缺陷信号，不外推为所有 Transformer 应用的通用失效。

同主题情报

• 动物所 / `Cell`：`disc-Gastruloid` 首次把人类原条形成推进到可空间重构、可延长培养的体外模型

  中国科学院 `2026-07-08` 官方稿显示，团队构建的人类 `disc-Gastruloid` 在 `72` 小时共培养后形成类原条样区域，延长培养后超 `80%` 继续发育为轴向不对称三维胚胎样结构，分出 `14` 类细胞群并与着床后 `21` 天天然胚胎较高相似。它的重要性，在于把人类原肠运动这个长期难直接观察的发育“黑箱”推进到可重复、可操控的体...

• 银河系最快恒星逼近中心黑洞：峰值约每秒 2.5 万公里，或可测量自旋

  Science 与美联社 8 月 19 日报道，甚大望远镜数据识别出银河系内迄今已知速度最快的恒星：峰值约每秒 2.5 万公里，绕人马座 A* 一周约 8.7 年，且比此前纪录保持者更接近黑洞。长期高精度跟踪可能约束银河系中心黑洞自旋，但当前只是发现和轨道测量起点，尚未得到自旋值。

• 嫦娥七号以四器协同搜寻月球南极水冰，跳跃探测器瞄准永久阴影区

  Science 8 月 19 日更新嫦娥七号任务：轨道器、着陆器、巡视器和跳跃探测器将在鹊桥二号支持下调查月球南极水冰与挥发物，四平台合计 18 项载荷，并计划让跳跃探测器进入永久阴影坑现场分析。公开资料仍只给出 2026 年下半年发射口径，最终日期、落点与工程参数需以官方通告为准。

• M87 黑洞第一次有了双频“体检图”，研究者开始按位置读等离子体状态

  中国科学院 2026-07-28 08:18 发布官方稿，介绍上海天文台团队把 1.3 毫米和 3.5 毫米两张 M87 黑洞视界尺度图像合起来，首次做出空间分辨的谱指数分布。简单说，这不只是把黑洞拍得更清楚，而是开始按位置判断视界附近等离子体在不同半径上更接近“自吸收很强的厚辐射”还是“更容易透出的薄辐射”。关键转折出现在距黑洞中心约 30 微角秒处，并与...

• Moderna mRNA 流感疫苗获批，确诊病例相对标准疫苗减少 26.6%

  Nature 8 月 13 日梳理 Moderna 的 mRNA 流感疫苗 mFLUSIVA：FDA 于 8 月 5 日批准其用于 50–64 岁成人，并对 65 岁以上人群给予加速批准，计划进入美国 2026–27 流感季。超过 4 万人的试验中，mRNA 组 2% 出现实验室确诊流感，对照标准疫苗组为 2.8%，相对减少 26.6%；常见不良反应多为轻中...

• KIST 公布 A²SG 训练方法，以自适应非对称梯度改善深层脉冲神经网络

  KIST 8 月 10 日公布已获 ICML 2026 接收的 A²SG 训练方法，用自适应窗口和非对称代理梯度缓解深层脉冲神经网络的梯度变化与时间不一致。机构称该方法在 ImageNet 等任务提高准确率且训练开销低于所比较基线；论文与代码可查，但相对能耗和商业化前景仍需独立复现及真实神经形态硬件验证。