揭秘AGI的认知鸿沟：用人类标准给AI做体检

本期从“AGI 究竟是什么、为什么难以定义”入手，带你走进 Dan Hendrycks 等人在《A Definition of AGI》中的核心思想：基于 CHC（Cattell–Horn–Carroll）认知理论，构建十个核心认知域的量化框架，并据此评估当前大模型的“通用智能谱系”。我们讨论了 GPT-4（27%）与 GPT-5（57%）的差异、能力不均衡带来的“锯齿状”认知画像，以及“能力扭曲（Capability Contortions）”如何用长上下文与检索增强暂时掩盖长期记忆缺陷。最后聊到 Yoshua Bengio 在 System 2 AI 方向上的长期主张，以及这项工作对未来 AGI 路线图的启发。

要点总结 / Key Takeaways

• 定义框架：用 CHC 理论将 AGI 量化为十个认知域，统一“通用性”讨论坐标系。
• 客观测评：以心理计量学思路构造测试，避免“拍脑袋定标准”。
• 现状画像：模型在语言、数学等域进步显著，但 长期记忆（MS）与检索（MR）的内生能力不足。
• 能力扭曲：长上下文与 RAG 更像“外挂”而非内生记忆系统。
• 路线启示：System 2 能力（慢思、因果、规划、长期记忆）是迈向真正 AGI 的关键。

延伸阅读 / Resources

• Dan Hendrycks et al., A Definition of AGI (2025) — 基于 CHC 的十域认知评估框架
• Yoshua Bengio — System 2 AI：可解释推理、因果结构与长期记忆的研究方向