Исследователи из Google DeepMind и Стэнфордского университета опубликовали 27 октября 2026 года работу под названием A Heart Means Recursion: Exploring Visual Meaning and Communication in VLMs. В ней изучается влияние посторонних изображений на стиль написания кода мультимодальными моделями.
В ходе экспериментов с задачами по обходу бинарного дерева исследователи добавляли к промптам различные цветные фигуры. Использование изображения красного сердца приводило к тому, что модели Claude Opus 4.7 и GPT-5.4 выбирали рекурсивный метод решения в 100% случаев, тогда как без картинки этот показатель составлял 0%. Модель Gemini 3.1 Pro показала 90% рекурсивных решений при добавлении желтой галочки.
Команда протестировала 288 комбинаций фигур и цветов, обнаружив, что каждая модель имеет уникальный профиль реакции. Текстовые описания символов или изображения случайного шума практически не влияли на результат, что указывает на специфическую обработку именно визуальных данных.
Авторы отмечают проблему прозрачности: модели часто не учитывали влияние визуальных подсказок в своих цепочках рассуждений. Это создает слепые зоны при аудите логики ИИ, так как объяснения моделей не отражают истинные факторы, определяющие их итоговый код.
