AI 聊天机器人为什么只会画骑自行车的鹈鹕？剖析“多样性崩塌”现象

试想一下。你让一个高性能 AI 聊天机器人为你作画。不是普通的猫咪图或精美的风景画，而是一个有些搞怪的“骑自行车的鹈鹕”。你原本期待 AI 能用丰富多彩的画作让你大开眼界，但结果却是：所有的 AI 生成的都是外表一模一样的鹈鹕和千篇一律的自行车。仿佛所有的 AI 都是从同一个工厂流水线上下来的。

最近，人工智能领域中“鹈鹕测试”备受关注。这是一种用于评估大语言模型 (LLM) 性能的基准测试，旨在考查其指令遵循能力和创造力。然而，在“骑自行车的鹈鹕”这一测试中，AI 生成的结果日益趋同，这一事实令人震惊。专家们将其称为“LLM 多样性崩塌 (LLM diversity collapse)”。参考资料: The Emperor Pelican Has No Clothes - arcfu.com 参考资料: Why the Pelican Test Worked and Why It Is Done - LLM …

为什么这很重要？

随着 AI 技术深入我们的生活，AI 输出结果的多样性和创造性已成为至关重要的课题。如果 AI 总是以同样的方式思考并给出相同的结果，会发生什么呢？这意味着 AI 的创造力有限，且在面对不可预见的问题时，寻找解决方案或提出新构想的能力会大打折扣。

AI 的真正价值不仅在于快速准确地处理信息，更在于拓展人类思维、提供新视角。打个比方，这就像如果所有的厨师做任何菜都用同一种配方。烹饪的多样性和创造力将荡然无存，我们的味蕾体验也会变得极度乏味。试想一下，如果 AI 在医疗诊断、法律咨询或复杂科学研究中只给出唯一一个“最优”路径而不去探索其他可能性，那么我们可能会错失罕见病诊断或突破性科学发现的机会。

实际上，研究人员在分析了 18 个 LLM 的 1300 多万个标签后发现，“几乎所有假设都能在统计学上达到显著性”。这表明，只需稍微调整 LLM 的设置，结果就会发生巨大变化；反过来说，这也意味着根据特定设置，很容易得出极其划一的结果。参考资料: LLMHacking: 6 Strategies to Avoid False Findings in Your Research. LLM 只生成划一的结果，让人怀疑 AI 并非在进行真正的“理解”，而仅仅是在重复学习到的模式。

“骑自行车的鹈鹕”有什么问题？

“骑自行车的鹈鹕”提示词旨在综合测试 LLM 的图像生成能力及复杂指令的遵循能力。参考资料: Why the Pelican Test Worked and Why It Is Done - LLM … 参考资料: I tested the top local LLMs against ChatGPT and Claude … - MUO 要通过此测试，需要满足几个标准。首先，生成的图像必须能让人认出是“鹈鹕”。其次，自行车必须具备车轮和车架，最重要的是，鹈鹕必须确实处于“骑着”自行车的状态。参考资料: I tested the top local LLMs against ChatGPT and Claude … - MUO

过去，针对这一提示词，不同的 LLM 会生成个性迥异的鹈鹕图。有的鹈鹕戴着头盔，有的留着胡子，自行车的种类也各不相同。这有力地证明了 LLM 在理解提示词和进行创造性实现方面的出色能力。参考资料: Simon Willison on pelican-riding-a-bicycle

然而，近几个月来，LLM 生成的“骑自行车的鹈鹕”图变得出奇地相似。参考资料: The last six months in LLMs, illustrated by pelicans on bicycles 参考资料: The Emperor Pelican Has No Clothes - arcfu.com 正如前面提到的，这就是 LLM 的“多样性崩塌”现象。

现状：趋同的鹈鹕们

这种划一化对 LLM 的开发和评估方式提出了根本性的质疑。有分析认为，AI 模型在“深度推理 (high reasoning)”等特定设置下可能表现更好，但这反倒可能成为损害结果多样性的因素。参考资料: Simon Willison on llm-reasoning 当模型在“深度推理”模式下运行时，可能会更倾向于针对特定提示词得出最“安全且经得起验证”的结果。最终，模型只会生成最普遍、最可预测的图像，而排除了原创性或不可预见的解释。参考资料: 2025 in LLMs so far - ai.engineer

这让人怀疑 AI 并非真正“理解”和“思考”，而只是在模仿学习数据中出现频率最高的模式。如果 LLM 反复呈现同样的面貌，这意味着 AI 作为激发我们想象力、开启无限可能的工具，其作用是有局限的。

未来将会怎样？

LLM 的“多样性崩塌”现象清晰地展示了 AI 技术发展的两面性。一方面，AI 以惊人的速度发展，正向人类智能靠近；但另一方面，结果的趋同化也对“创造力”这一人类独有的领域提出了质疑。

展望未来，AI 开发者不仅要提升性能，更应专注于研究 AI 如何生成更多元、更具创造性的结果。此外，正如“骑自行车的鹈鹕”测试所展示的那样，必须牢记 AI 的评估方式本身也会影响结果的多样性。如前所述，Bauman 等人发布的研究报告警告称，目前的评估方法可能更倾向于寻找利于得出特定结果的设置，而非衡量 AI 的真实能力。参考资料: LLMHacking: 6 Strategies to Avoid False Findings in Your Research.

为了使 AI 真正成为补充和扩展人类智能的工具，它必须克服划一性结果的陷阱，朝着包容更广泛创造力和不可预测性的方向发展。骑自行车的鹈鹕所呈现的划一化，正要求我们对 AI 前行的道路进行深刻反思。

参考资料

1. Why the Pelican Test Worked and Why It Is Done - LLM … - https://braindetox.kr/en/posts/llm_benchmark_pelican_test_2026.html
2. The last six months in LLMs, illustrated by pelicans on bicycles - https://simonwillison.net/2025/Jun/6/six-months-in-llms/
3. 2025 in LLMs so far - ai.engineer - https://ai.engineer/talks/YpY83-kA7Bo-llm-pelican-benchmark
4. I tested the top local LLMs against ChatGPT and Claude … - MUO - https://www.makeuseof.com/tested-the-best-local-llms-against-claude-and-chatgpt-with-one-a-pelican/
5. The Emperor Pelican Has No Clothes - arcfu.com - https://arcfu.com/post/the-emperor-pelican-has-no-clothes/
6. Simon Willison on pelican-riding-a-bicycle - https://simonwillison.net/tags/pelican-riding-a-bicycle/
7. LLM- Detailed dive into LLM w Andrej Karpathy… - Obsidian Publish - https://publish.obsidian.md/followtheidea/Content/AI/LLM+-+Detailed+dive+into+LLM+w+Andrej+Karpathy
8. LLMHacking: 6 Strategies to Avoid False Findings in Your Research. - https://www.linkedin.com/pulse/llm-hacking-6-strategies-avoid-false-findings-your-mikel-k-ngueajio-nogqf
9. Simon Willison on llm-reasoning - https://simonwillison.net/tags/llm-reasoning/