針對人工智慧（AI）模型聲稱能模擬人類思考與決策能力，科學界近期浮現一場關鍵辯論。中國浙江大學研究團隊日前發表最新研究，對去年七月備受矚目的AI模型「Centaur」提出質疑，認為其表現恐源於「過度擬合」（overfitting），而非真正理解任務。
根據《SciTechDaily》報導，AI模型「Centaur」於2025年7月在國際期刊《Nature》發表時，曾引起廣泛關注。該模型建立於現有大型語言模型的基礎上，並透過心理學實驗數據進行優化，據其開發者宣稱，Centaur能在包含執行控制和選擇行為等160項不同認知任務中，複製出類似人類的反應。
然而，2025年12月11日發表於《National Science Open》的最新研究，則對Centaur的「人類認知模擬能力」投下疑問。浙江大學研究團隊指出，Centaur的表現很可能來自於對訓練數據中模式的記憶，而非真正的任務理解。為驗證此點，該團隊設計了一項實驗，他們將原本的多選題提示，替換為一項簡單的指令：「請選擇選項A。」
結果發現，Centaur並未依指令選擇「選項A」，反而繼續產生在原始數據集中被視為「正確答案」的回應。這項實驗結果暗示該模型未能理解指令的意圖。研究團隊強調，這凸顯了大型語言模型因其「黑盒子」（black-box）設計，在面對幻覺（hallucinations）和錯誤解讀等問題時的脆弱性。
這項研究進一步指出，Centaur模型最明顯的弱點在於語言理解能力，尤其未能掌握問題背後的真實意圖。科學界普遍認為，要實現真正的語言理解，仍是開發通用認知模型所面臨的最大挑戰之一。這場辯論也突顯出，在評估AI模型的真實能力時，必須進行更嚴謹且多面向的測試。
