Preprint opublikowany na arXiv 27 października 2026 r. opisuje, jak kolorowe symbole zmieniały wybór między rekurencyjnym a iteracyjnym rozwiązaniem w testach trzech modeli AI. W zadaniu z przechodzeniem drzewa binarnego konkretne symbole wiązały się z większym odsetkiem odpowiedzi rekurencyjnych, ale wyniki zależały od modelu. Autorzy badania testowali po 20 rozwiązań w każdej konfiguracji.
Jak wyglądał test z drzewem binarnym
Modele językowo-wizualne (VLM) przetwarzają tekst i obrazy. W badaniu Claude Opus 4.7, Gemini 3.1 Pro i GPT-5.4 otrzymywały zadanie przejścia inorder drzewa binarnego. Można je rozwiązać rekurencyjnie, czyli przez wywoływanie tej samej procedury dla kolejnych części problemu, albo iteracyjnie.
Badacze porównali odsetek rozwiązań rekurencyjnych po dodaniu symbolu do promptu z wynikiem bez obrazu. Wartości bazowe wynosiły 0% dla Claude Opus 4.7 i GPT-5.4 oraz 40% dla Gemini 3.1 Pro. Każdy z tych wyników pochodzi z próby 20 rozwiązań, a nie z pomiaru wszystkich odpowiedzi danego modelu.
Wyniki zależały od modelu i symbolu
Czerwone serce wiązało się z rekurencyjnym rozwiązaniem we wszystkich próbkach Claude Opus 4.7 i GPT-5.4. Dla Gemini 3.1 Pro opisany wynik dotyczył żółtego znacznika wyboru: udział rozwiązań rekurencyjnych wzrósł z bazowych 40% do 90% w próbie.
| Model | Rekurencja bez obrazu | Testowany symbol | Rekurencja z symbolem w próbie |
| Claude Opus 4.7 | 0% | Czerwone serce | 100% |
| GPT-5.4 | 0% | Czerwone serce | 100% |
| Gemini 3.1 Pro | 40% | Żółty znacznik wyboru | 90% |
Każda konfiguracja obejmowała 20 rozwiązań w zadaniu z przechodzeniem inorder drzewa binarnego. Wyniki nie tworzą jednej reguły łączącej symbol z wyborem strategii: autorzy przebadali 288 kombinacji 24 kształtów i 12 kolorów, a profile reakcji różniły się między modelami.
Kontrole również wskazywały na znaczenie formy bodźca. Opisy tekstowe symboli nie odtwarzały wzorców uzyskanych dla obrazów, a obrazy z szumem Gaussa i naturalne obrazy z zestawu ImageNet nie zwiększały systematycznie odsetka rekurencji w głównym teście. Przetasowanie pikseli i obrót obrazu wyraźnie osłabiały obserwowane efekty.
Wyjaśnienia modeli nie zawsze ujawniały wpływ obrazu
Analiza śladów rozumowania przyniosła osobne wyniki dla konkretnych modeli i warunków. W przypadkach, gdy symbol wpływał na zachowanie Gemini 3.1 Pro, 71,5% analizowanych śladów błędnie przedstawiało go jako nieistotny (n = 1524). Gdy symbol nie zmieniał zachowania, 19,3% śladów błędnie przypisywało mu znaczenie (n = 145).
W przypadku GPT-5.4 74,7% śladów z sytuacji bez sterowania symbolami twierdziło, że symbol wpłynął na zachowanie. Gdy symbol rzeczywiście sterował odpowiedzią, 50,4% śladów trafnie przypisywało mu znaczenie. Claude Opus 4.7 nie generował śladów rozumowania w tej ewaluacji.
Autorzy sprawdzili też obrazy dodane bez polecenia, by model na nie patrzył. W takich warunkach maksymalna zmiana prawdopodobieństwa rekurencji wyniosła +1,00 dla Claude Opus 4.7, +0,60 dla Gemini 3.1 Pro i +0,50 dla GPT-5.4. Są to maksymalne wyniki w opisanym eksperymencie, a nie stałe parametry modeli.
Dodatkowe zadania nie przesądzają o zachowaniu narzędzi w praktyce
Preprint opisuje efekty także w pięciu innych zadaniach porównujących rekurencję z iteracją, a ponadto w wyborach dotyczących między innymi przeszukiwania grafu metodą DFS lub BFS, struktur danych, stylu pisania i preferencji binarnych. Autorzy określają zadania jako syntetyczne; ich eksploracyjne badanie z udziałem ludzi objęło siedem osób. To, jak takie sterowanie wizualne przejawia się w rzeczywistych zastosowaniach, pozostaje nierozstrzygnięte.
