Нейросети провалили тест Струпа — 15 июня 2026 г. в 10:34:01.014
Нейросети провалили тест Струпа В чем суть теста: нужно назвать цвет шрифта, которым написано слово, игнорируя его смысл. Например, если «красный» написано зеленым, нужно назвать зеленый. Тест измеряет способность подавлять автоматическую реакцию ради выполнения текущей задачи. У людей результативность в норме выше 95% даже при 60-минутном тесте с 1500 словами. Ученые из Городского университета Нью-Йорка решили проверить, как справятся GPT-4o и Claude 3.5 Sonnet. Простые задачи, когда цвет и смысл слова совпадали, модели выполнили хорошо — 99% точности до 20 слов, 89 и 92% при 40 словах. Но как только список слов увеличился и появилось несоответствие, нейронки «посыпались»: 👉GPT-4o: 91% при 5 словах, 57% при 10, 22% при 20 и 15% при 40 словах 👉Claude 3.5 Sonnet: держалось стабильно 76% до 20 слов, падала до 24% к 40 словам GPT-5, Claude Opus 4.1 и Gemini 2.5 Pro показали схожие результаты. Базовые механизмы внимания и самоконтроля, которыми обладает человеческий мозг, у LLM пока отсутствуют. Ученые считают, что это тот барьер, который необходимо преодолеть для достижения AGI.