Stroop 任务暴露 AI 注意力短板：GPT-4o、Claude 3.5 Sonnet 等模型在长列表下准确率骤降

GPT-4o 在 5 个词时准确率 91%，10 个词降至 57%，40 个词仅 15%；Claude 3.5 Sonnet 在 20 词内稳定，40 词时跌至 24%。GPT-5、Claude Opus 4.1、Gemini 2.5 也出现类似下降。AI 在颜色词冲突列表中难以抑制自动阅读倾向，准确率几近归零，而人类能保持稳定表现。