今天全网都在围观一场 AI 生图的 " 翻车 " 事件，" 豆包不会做馒头 " 的热梗精准戳中了多模态大模型在视觉特征理解上的认知盲区。

???? " 指馒为包 " 的 AI 翻车现场

近期，大量用户在使用字节跳动旗下 AI 应用 " 豆包 " 的文生图功能时发现了一个令人啼笑皆非的 Bug：无论提示词如何精确描述，AI 生成的 " 馒头 " 最终都会变成 " 包子 "。* 百试百败的执着：有网友连续测试上百次，在提示词中反复强调 " 注意是馒头 "、" 不是包子 "、" 上次弄错了 "，豆包却一边诚恳道歉（" 非常抱歉，这次我一定严格按照您的要求 "），一边坚定地生成出带褶的包子。* 集体吐槽的狂欢：面对 AI 的 " 冥顽不灵 "，网友纷纷晒出对话截图，调侃其 " 分不清包子和馒头 "、" 是个废物 "，甚至有人戏称研究 AI 研究到 " 豆包已经研究成馒头了 "。

???? 为什么 AI 死活画不出馒头？

大模型出现这一现象，主要源于底层算法对中文面食特征的提取偏差：1. 视觉特征的强权重干扰：在 AI 的训练数据集中，" 包子 " 通常带有明显的褶皱特征，而 " 馒头 " 多为光滑表面。模型在学习 " 中式蒸制面食 " 时，往往将 " 褶皱 " 作为了高权重的视觉锚点，导致生成馒头时 " 不由自主 " 地加上褶子。2. 语义与视觉的映射偏差：对于多模态模型而言，理解 " 没有馅、没有褶、实心圆形面团 " 这一抽象概念并精准转化为像素，比生成具有显著特征的包子更具挑战性。模型在缺乏强约束的情况下，倾向于输出训练集中更常见、特征更鲜明的 " 带褶面食 " 形象。

????️ 网友实测的 " 驯化 " 指南

虽然豆包在初次生成时屡屡翻车，但部分用户也摸索出了一些应对技巧：* 高频引导与强调：有测试者发现，AI 默认包子是馒头，但通过多次反复引导、纠正，并配合强烈的语气词（如 " 馒头馒头馒头 "），多试几次后 AI 还是能够生成出正确的馒头图片的。* 提示词优化：在生成指令中尽量避免使用单一的 " 馒头 " 一词，可以增加 " 光滑表面 "、" 无褶皱 "、" 实心面团 "、" 纯白色圆形面食 " 等细节描述，帮助 AI 更准确地锁定视觉特征。

???? 提示：AI 图像生成功能具有一定的随机性，目前大模型对部分日常物品的细节刻画仍存在不稳定现象。若对生成结果有严格要求，可尝试结合本地部署的开源生图模型（如 Stable Diffusion）并加载精准的控制网（ControlNet）进行微调。

本文由 AI 生成