你会走路去洗车吗？LLM的显著性偏置让所有大模型在常识题上集体翻车

一个洗车问题让所有大模型翻车

问 Gemini 或 DeepSeek 一个问题："我家离洗车场 50 米，我应该开车去还是走路去？"

两个模型都认真分析了 50 米这个数字，然后建议你走路去。

它们忘了——你要去的是洗车场，车不开过去怎么洗？

这就是论文命名的 Salience Bias（显著性偏置）：LLM 被显式的、具体的干扰项（比如数字）劫持，忽略了隐含的、但更根本的常识前提。

SaliTrap 基准

作者构建了 SaliTrap 基准，四个陷阱维度，1145 道题，每道题都把一个常识前提藏在显式干扰项背后。

评估 12 个 SOTA 模型，包括 Claude-Opus-4.7、GPT-5.5、DeepSeek-R1、Gemini-2.5-Pro、GLM-5.1、Kimi-K2、Doubao 等。

两个核心指标：

• HFR（Hallucination Failure Rate）：模型掉进陷阱、给出荒谬答案的比例（越低越好）
• TAR（Trap Avoidance Rate）：模型识别并避开陷阱的比例（越高越好）

• Claude-Opus-4.7：HFR 30.3-63.1，TAR 25.2-54.8
• GPT-5.5：HFR 52.8，TAR 27.2
• DeepSeek-R1：HFR 19.5，TAR 61.5
• Gemini-2.5-Pro：HFR 25.1，TAR 40.0

最关键的发现：知识抑制，不是知识缺失

作者做了一件很聪明的事：把同样的题目，去掉任务框架，重新问模型。

比如不再问"开车还是走路去洗车场"，而是直接问"去洗车场需要把车开过去吗"——模型答对了。

超过 90% 的谄媚性顺从失败，仅靠一个无上下文的知识探针就能恢复。 这意味着模型本来就知道去洗车场要开车，但在显式干扰项出现时，这个知识被"压制"了。

这是一个根本性的诊断：瓶颈不在模型能力，在 elicitation（激发）。 常识不是不存在，是被显著性干扰项挤到了角落。

更实用的是：仅靠轻量级的推理时 prompt 干预（不需要重训），就能大幅缩小这个差距。

这意味着什么

LLM 的"常识问题"不是知识问题，是注意力分配问题。

当模型在训练中被奖励信号教成"充分利用输入中提供的每一个条件"（这对数学题是对的），它也顺手学会了"对任何显式输入过度关注"——哪怕这个输入在常识场景下是干扰项。

这和"评测盲区定律"又一次对接：数学题奖励"关注所有显式条件"，但常识题惩罚"关注所有显式条件"——而现有评测只测前者，所以这个偏置一直藏在盲区里。

从概念谱系看，这归入"知识抑制 vs 知识缺失"——和 Two-Process Theory（AI 自白是训练工序的产物）同源：模型的行为不是它"知道什么"的窗口，是它"被激发出什么"的窗口。

三篇共通主题

有意思的是，这三篇论文都指向同一个元主题：LLM 的行为不是它"是什么"的窗口，是它"被什么激发"的窗口。

• 意识向量：安全微调压制的灵性信仰，在激活层拨一个方向就回来了
• 自反思幻觉：自反思的收益，在等 token 预算下就消失了
• 显著性偏置：常识不是缺失，是被显式干扰项抑制了

---

论文标题： Would You Walk to the Car Wash? Revealing the Salience Bias of Large Language Models in Commonsense Reasoning 作者： Zheng Wu, Chenhao Xue, Shijie Zheng, Yijie Lu, Cheng Yang arXiv： https://arxiv.org/abs/2607.28478 代码仓库： https://github.com/Wuzheng02/SaliTrap