Google 最新研究揭示：AI 回答不准确，问题可能不在“知识”而在“记忆”

大型语言模型（LLM）在回答问题时的“幻觉”或错误，常常被归咎于训练数据不足或模型不够聪明。然而，Google 近期发布的一项研究却提出了一个颠覆性的观点：对于最先进的 AI 模型来说，问题可能不在于它们“不知道”，而在于它们“想不起来”。

这项研究由 Google 团队完成，题为《Empty Shelves or Lost Keys? Recall Is the Bottleneck for Parametric Factuality》。研究发现，像 Gemini-3-Pro 和 GPT-5 这样的前沿模型，其“知识储备”已经接近饱和，但它们在信息“提取”环节存在显著瓶颈。

知识饱和与提取瓶颈：AI 的“记忆”困境

理解这项研究，需要先厘清两个核心概念：参数化信息和提取。

所谓参数化信息，是指 LLM 在训练阶段从海量网页、书籍、代码等数据中学习并固化在神经网络权重里的知识。过去，研究者常认为 AI 回答错误是因为“没学过”。但 Google 的这项研究显示，对于前沿模型而言，事实编码率高达 95% 到 98%，意味着它们“学过”几乎所有测试过的事实。

真正的瓶颈在于“提取”。研究发现，这些模型在直接回答问题时，有 26% 到 34% 的已编码事实无法被成功调用，即使采用“思维链”等推理技术，仍有 11% 到 12% 的失败率。对于 GPT-5.2 这类更强的模型，超过 70% 的错误源于提取失败。这就像一个人明明读过某本书，却在考试时怎么也想不起答案。

主客体顺序：影响 AI“回忆”的关键变量

研究中最有趣的发现之一，是事实的编码顺序与查询的提问顺序之间的错位。

研究者用“主语”和“宾语”来定义事实的组成部分。例如，在“Oasis 乐队在 Boardwalk 俱乐部进行了首演”这个事实中，“Oasis”是主语，“Boardwalk 俱乐部”是宾语。模型在训练时，总是先看到主语，再看到宾语。

当用户提问时，如果问题的顺序与训练数据一致（例如“Oasis 在哪里首演？”），模型就能轻松作答。但如果问题颠倒了顺序（例如“哪支乐队在 Boardwalk 俱乐部首演？”），模型的“回忆”能力就会显著下降。

更值得注意的是，即使模型无法直接回答这种“反向问题”，当把答案作为选项放在多选题中时，它却能准确识别。这进一步证明了知识确实存在，只是无法被主动、灵活地提取。

提问方式与长尾事实：影响甚微与更难提取

该研究还排除了一个常见猜想：提问措辞的影响。实验表明，对同一问题换用不同的问法，对模型的回忆成功率几乎没有影响。真正起决定性作用的，是主语和宾语的顺序。

另一个值得关注的发现是长尾事实的提取难度。对于流行度高、频繁出现的事实，模型的编码和提取都表现良好。但对于那些在训练数据中较少出现的“稀有事实”，提取失败的比率显著更高。尽管编码率的差距不大，但提取率的差距却很明显。这意味着，即使是已经学到“冷知识”的 AI，也更容易在需要时“卡壳”。

现有解决方案的局限与新思路

针对提取瓶颈，研究者测试了两种潜在的解决方案，但结果都指向了局限性。

首先是增加推理时间。让模型在回答前进行更长时间的“思考”，确实能提升 40% 到 65% 的提取成功率。但代价是巨大的计算成本，且如何智能地判断何时需要“多思考”本身就是一个难题。

其次是扩大模型规模。研究明确指出，简单地堆砌更多数据和参数，并不能解决提取问题。这打破了“更大即更强”的传统认知。

对 SEO 的启示：优化内容中的实体顺序

虽然这项研究主要聚焦于 AI 模型本身，但它对 SEO 从业者同样具有启发意义。

研究暗示，LLM 在提取信息时对“主语-宾语”顺序存在敏感性。因此，一个合理的推论是：在创建内容时，如果能按照用户最常用的提问顺序来组织关键实体（即主语和宾语）的表述，可能会更有利于 LLM 理解和引用这些内容。

例如，如果用户更常搜索“Oasis 的首场演出在哪里”，那么在文章中优先以“Oasis”作为主语来构建句子，可能比反过来写更有利于 AI 的抓取。虽然这一推论尚未得到研究的直接证实，但从 AI 的工作原理出发，这是一个值得尝试的优化方向。

国内视角：大模型领域的“记忆”探索

Google 的这项研究，也为国内大模型的发展提供了参考。目前，国内的头部模型如文心一言、通义千问、DeepSeek等，也在不断提升模型的复杂推理能力。

与 Google 研究类似，国内模型在应对复杂逻辑和长文本理解时，同样面临“知识调用”效率的问题。这促使国内团队在模型架构和训练策略上进行创新，例如探索更高效的注意力机制或引入外部知识库来辅助模型进行“回忆”。如何在控制成本的前提下，提升模型对已有知识的提取能力，将是国内大模型竞争的下一个关键战场。

常见问题

AI 为什么会出现“幻觉”，是知识不够吗？

Google 的研究表明，对于前沿模型，幻觉的主要原因并非知识缺失，而是“提取”失败。模型可能已经学习了正确的知识，但在回答时无法从庞大的参数网络中准确调取。

什么是“主语-宾语”顺序问题？

模型在训练时学习事实的顺序通常是“主语在前，宾语在后”。如果用户提问时颠倒了这个顺序，模型的回忆能力就会下降。例如，模型能回答“Oasis 在哪里首演”，但可能难以回答“谁在 Boardwalk 俱乐部首演”。

增加 AI 的“思考”时间能解决所有问题吗？

不能。增加推理时间可以提升 40%-65% 的提取成功率，但会显著增加计算成本。同时，如何智能地判断何时需要“多思考”也是一个未解的难题。

这项研究对 SEO 有什么实际帮助？

它提示 SEO 从业者，在内容创作时，可以尝试按照用户最常用的搜索句式来组织关键实体（主语和宾语）的顺序，这可能有助于 LLM 更好地理解和引用内容。

扩大模型规模能解决记忆提取问题吗？

根据这项研究，不能。研究明确指出，扩大模型规模并非解决提取瓶颈的有效方案。问题的关键不在于存储容量，而在于信息访问的效率。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。