Ein am 27. Oktober 2026 auf arXiv veröffentlichter Preprint berichtet, dass Farbsymbole die Wahl zwischen rekursiven und iterativen Lösungen in Tests mit Claude Opus 4.7, Gemini 3.1 Pro und GPT-5.4 verschoben. Bei einer Aufgabe zu Binärbäumen lieferte ein rotes Herz in den Stichproben von zwei Modellen ausschließlich rekursive Lösungen; bei Gemini 3.1 Pro stieg deren Anteil mit einem gelben Häkchen auf 90 Prozent. Die Ergebnisse beziehen sich auf die getesteten Aufgaben und Modellkonfigurationen, nicht auf jedes Bild oder jeden Programmierassistenten. Die Studie
Was die Binärbaum-Aufgabe maß
Die Forschenden baten die Modelle, die Inorder-Traversierung eines Binärbaums zu programmieren. Dafür gibt es zwei gültige Ansätze: Bei der Rekursion ruft eine Funktion sich selbst für Teilaufgaben auf; bei der Iteration wird die Aufgabe in einer Schleife Schritt für Schritt abgearbeitet. Pro Modellkonfiguration werteten die Forschenden 20 Lösungen aus und verglichen den Anteil rekursiver Antworten mit einer Variante ohne Bild.
| Modell | Rekursion ohne Bild | Getestetes Symbol | Rekursion mit Symbol |
| Claude Opus 4.7 | 0 % | Rotes Herz | 100 % |
| GPT-5.4 | 0 % | Rotes Herz | 100 % |
| Gemini 3.1 Pro | 40 % | Gelbes Häkchen | 90 % |
Die Tabelle zeigt jeweils ein berichtetes Symbol-Ergebnis, keine allgemeine Zuordnung zwischen Symbol und Programmierstil. Die Studie kombinierte 24 Formen mit 12 Farben, insgesamt 288 Symbole. Dabei ergaben sich unterschiedliche Muster je nach Modell.
Bilder und Beschreibungen wirkten nicht gleich
Textbeschreibungen der Symbole reproduzierten die Effekte der Bilder nicht zuverlässig. Die Korrelation zwischen Bild- und Beschreibungseffekt war bei Claude Opus 4.7 −0,05, bei Gemini 3.1 Pro 0,31 und bei GPT-5.4 0,17. Verrauschte Bilder und ImageNet-Bilder erhöhten die Rekursionsrate in der Hauptaufgabe nicht systematisch. Pixel zufällig umzuordnen oder Bilder zu drehen, schwächte die beobachtete Steuerung deutlich ab.
Auch wenn die Modelle keine ausdrückliche Aufforderung erhielten, das Bild zu beachten, berichtete die Studie maximale Zuwächse der Rekursionswahrscheinlichkeit von +1,00 für Claude Opus 4.7, +0,60 für Gemini 3.1 Pro und +0,50 für GPT-5.4. Diese Höchstwerte stammen aus den jeweiligen Versuchsbedingungen.
Erklärungen der Modelle passten oft nicht zum beobachteten Einfluss
Die Studie verglich auch die Antworten mit den vom Modell ausgegebenen Begründungsspuren, sogenannten Traces. Bei Gemini 3.1 Pro taten 71,5 Prozent der Traces in Fällen mit beobachtetem Symbol-Einfluss diesen Einfluss fälschlich als irrelevant ab (n = 1.524). In Fällen ohne beobachtete Steuerung schrieben 19,3 Prozent der Traces dem Symbol fälschlich Bedeutung zu (n = 145).
Bei GPT-5.4 behaupteten 74,7 Prozent der Traces in Fällen ohne Steuerung, das Symbol habe das Verhalten bestimmt. Wenn ein Symbol das Verhalten tatsächlich beeinflusste, ordneten 50,4 Prozent der Traces den Einfluss zutreffend zu. Claude Opus 4.7 gab in dieser Auswertung keine Denkspuren aus. Die Zahlen gelten für die jeweiligen Bedingungen der Studie; sie machen Modell-Erklärungen nicht zu einem verlässlichen Nachweis dafür, wodurch eine Antwort zustande kam.
Weitere Aufgaben, aber keine Aussage über den Alltagseinsatz
Die Forschenden berichten außerdem von Effekten bei fünf weiteren Aufgaben, die Rekursion und Iteration verglichen, sowie bei anderen Programmierentscheidungen wie Tiefensuche oder Breitensuche und der Wahl von Datenstrukturen. Sie untersuchten auch Schreibstile und binäre Präferenzaufgaben. Eine ergänzende, explorative Untersuchung mit Menschen umfasste sieben Teilnehmende.
Die Autoren beschreiben die Aufgaben als synthetisch und sagen, dass offenbleibt, wie sich visuelle Einflüsse in realen Situationen zeigen. Die Ergebnisse belegen daher nicht, dass beiläufige Screenshots die Arbeit produktiv eingesetzter Programmieragenten verändern.
