同一句話，你跟朋友講，他聽得懂弦外之音；換成 AI，它只照字面做。這不是你的錯覺——有一份 2026 年 9 月剛上線的研究，把人跟人、AI 跟 AI、人跟 AI 的十萬多步合作紀錄攤開來算，發現人類之間有一段「講出來以外的資訊」，而 AI 之間幾乎等於零。這篇把研究拆開講，再給三個馬上能改的提示詞寫法。
這份研究怎麼做的？重放 10 萬步棋
論文標題是〈The Convention Gap: Towards Measuring Implicit Communication in Cooperative AI Evaluation〉，2026 年 9 月 10 日上傳到 arXiv，編號 2609.11489，分類掛在人工智慧（cs.AI）與人機互動（cs.HC）。
它的出發點很直接：現在評估「合作型 AI」，多半是讓 AI 跟 AI 對打、看分數。但人類的合作靠的是隱含慣例——在字面訊息之外，還有一層「我知道你會這樣理解」的共同協定。AI 跟 AI 打分數再高，這層東西量不出來。
研究挑的測試場是卡牌遊戲《花火》（Hanabi）。這款遊戲的規則很適合拿來量：你看不到自己的手牌，隊友只能用規則允許的有限提示告訴你資訊，牌堆是有限的、提示方式也是固定的——所以「照字面推算，這一步該有多大機率失敗」是可以精確算出來的。
拿遊戲當研究場其實已經是這一年的常見做法，我之前寫過的〈AI 混進群組怎麼看？一場狼人殺研究給的 3 個線索〉也是同一個路數：規則封閉、每一步都留紀錄，才好把人跟 AI 的差別逼出來。
研究團隊重放了約 101,000 步棋，資料來自三個公開資料集：hanab.live 的人跟人對局、HOAD 的 AI 跟 AI 對局、HanabiData 的人跟 AI 對局。
「默契差距」是什麼？一句話講完
研究提出的指標叫 convention gap，我翻成「默契差距」。算法是兩個數字相減：
- 預測失敗率：只看字面上講出來的資訊，這一步應該有多少機率出錯。
- 實際失敗率：這一步真的出錯的比例。
兩者一減，就是「講出來以外的東西」值多少。差距越大，代表雙方靠字面之外的默契做了越多事——照字面看應該會出錯，結果沒錯，因為對方讀懂了沒說出口的那一層。
三個數字：人有默契，AI 幾乎是零
三組對局算出來的默契差距長這樣（單位是百分點）：
| 對局組合 | 默契差距 | 怎麼解讀 |
|---|---|---|
| 人 × 人 | +26.2 | 字面之外還傳了一大包資訊 |
| AI × AI | −0.7 | 幾乎完全照字面，沒有額外那層 |
| 人 × AI | +16.4 | 中間值，人這一邊仍在讀言外之意 |
AI 對 AI 那個 −0.7 是整篇最值得停下來看的數字。它的意思不是 AI 笨，是 AI 之間的合作幾乎完全建立在字面內容上：訊息裡有什麼就用什麼，沒有「我猜他這樣提示是想暗示我另一件事」。
最關鍵的一格：那張沒被提示過的牌
研究再往下切，發現人類的默契集中在一個特定情境——玩家去打一張完全沒有收到任何提示的牌。這種情況下，人跟人的默契差距衝到 +46 個百分點。
照字面推算，一張沒被提示過的牌幾乎沒有資訊可依據，應該常常打錯。但人類玩家很敢打，而且打對了。他們依據的是「隊友剛剛沒提示這張，代表它應該安全」這種沒說出口的約定。
這件事翻成日常場景就是：你交代同事「這份等等處理」，他知道「等等」是今天下班前、不是下週；你請家人「順便買個東西回來」，他知道是哪一家。這些從來沒寫在句子裡，卻決定了結果對不對。
分數高，不代表它跟你合得來
研究最實用的一段在人跟 AI 的對局裡。受試者分別跟三個不同的 AI 夥伴搭檔，這三個 AI 給出的字面資訊量差不多——照字面推算的失敗率落在 38% 到 41% 之間，差距很小。
但人的實際表現差很多：失敗率從 14.4% 到 34.4%，默契差距則從 +24.1 掉到 +6.2 個百分點。而且方向很一致——讓人產生最大默契差距的那個 AI 夥伴，人類的失誤最少。
研究也順手戳破了一個習慣：用遊戲分數評估 AI 合作能力不可靠。分數會被「這批資料裡有哪些玩家」影響，默契差距才真正在個別 AI 的層級上，把人的玩法跟 AI 的玩法分開來。
為了確認這個指標量到的真的是默契，研究還做了一個已知答案的對照：拿 Off-Belief Learning 這類「默契含量由設計決定」的 AI 來測，在刻意做成無默契的層級量到 +1.6 個百分點，隨著設定層級往上，數字一路單調升到 +21.7 個百分點。指標的反應方向跟預期一致。
結論寫得很保守但很有指向性：能不能預測一個 AI 跟人搭檔的效果，關鍵可能是「默契相容性」，而不是它跟其他 AI 對打的成績。
我家小朋友問寶可夢，示範了一模一樣的事
這篇研究我讀到一半就想到家裡的例子。前陣子我家小朋友開始拿我的 Gemini 問寶可夢——哪一隻要怎麼進化、需要什麼條件。問了幾次他就卡住，因為 AI 回的版本跟他手上玩的對不起來，他一臉「它是不是很笨」。
他少講的那句是：他正在玩的是《寶可夢 Z-A》。在他的腦袋裡，「問寶可夢進化」當然就是問他現在玩的這一款——這就是那張沒被提示過的牌，他以為對方知道。AI 知道他在問寶可夢，但不知道是哪一代、哪一款、玩到哪。
我沒跟他講「上下文」這種詞，只教他多講一句：「我正在玩寶可夢 Z-A，遇到某某問題。」加上這句之後，答案立刻對得上。小二的孩子學得會，代表這件事跟技術程度無關，純粹是有沒有養成把前提講出來的習慣。
另一個場景在課堂上。上次帶 AI Agent 的課，有人問我：怎麼省 Token？有沒有辦法讓它自動切換模型？一般的聊天式模型目前是手動切，但在 Agent 的架構下，這件事是可以靠規則寫死的——執行哪類任務優先用哪個模型、指派子代理時直接指定模型。差別不在 AI 聰不聰明，而在你有沒有把「什麼時候該換」這個原本只存在你腦袋裡的判斷，寫成它讀得到的規則。
三個寫法，把默契補回去
研究量的是遊戲，但推論很好搬：AI 不會讀空氣，那就別讓空氣裡藏東西。三個具體做法：
- 先講背景，再講要求。一句話交代你是誰、在什麼情況、這東西要給誰看。「我在玩寶可夢 Z-A」「這份是要給第一次接觸的同事看的」——這一句通常比後面所有形容詞都有用。
- 把判斷條件寫成規則，不要等它猜。凡是你心裡有「如果……就……」的分岔，直接寫出來：「資料有衝突時以官方公告為準」「超過三百字就自己拆成兩段」。你不寫，它就用自己的預設值填。
- 讓它先複述再動手。任務比較大的時候，加一句「開始前先用三句話講一次你打算怎麼做」。這是最省時間的一步——默契有沒有對上，複述那三句就看得出來，錯了當場改，比做完再重來便宜太多。
第三招其實是我一直在做的事，之前那篇〈AI 用不好？先別急著怪它——我叫 AI 做事前，一定先做這件事〉講的先對齊再動手，跟這份研究算是從兩個方向講同一件事。
幾個要注意的地方
- 這是遊戲情境的量測。《花火》的規則封閉、機率算得出來，所以指標才能精確計算。換到開放式的日常任務，數字沒辦法直接套用。
- 默契差距大不等於「比較聰明」。它量的是「字面之外還傳了多少資訊」，是一種溝通特性，不是能力分數。
- 研究的結論是「可能」。原文用的是 may predict，講的是一個更值得參考的評估方向，不是已經定案的標準。
- 這不代表 AI 永遠學不會默契。研究裡那個刻意調整默契含量的對照實驗就顯示，默契的多寡是可以設計進去的。現階段的實務結論比較單純：不要預設它已經有。
小結
人跟人合作的時候，有 26 個百分點的資訊是沒講出口的；AI 跟 AI 之間，這個數字幾乎是零。所以「它怎麼又做錯」很多時候不是它笨，是那段你沒說的話，它真的沒收到。
能做的事就一件：把腦袋裡的前提、條件、判斷標準寫出來。多打的那一兩句，通常就省掉重來一次的時間。
延伸閱讀
本文整理自 arXiv 論文〈The Convention Gap: Towards Measuring Implicit Communication in Cooperative AI Evaluation〉（arXiv:2609.11489，2026 年 9 月 10 日）。文中所有數字均取自該論文摘要，原文連結：https://arxiv.org/abs/2609.11489
留言
張貼留言