先依据对齐再泛化：AI在因果迁移上与人类有何不同

提取抽象因果结构并将其应用于新情境是人类智力的标志。尽管大语言模型（LLM）与视觉语言模型（VLM）在广泛的推理任务上表现出强大性能，但它们进行交互式因果学习——通过顺序探索归纳潜在结构并跨情境迁移——的能力仍未被刻画。人类学习者在极少接触后即可完成这种迁移，而经典强化学习（RL）智能体则会灾难性地失败。最先进的人工智能（AI）模型是否拥有类人的抽象因果结构迁移机制，是一个开放问题。使用要求顺序发现共同原因（Common Cause，CC）与共同结果（Common Effect，CE）结构的OpenLock范式，我们在此展示：模型表现出根本性延迟或缺失的迁移——即便是成功的模型，也需要先进行初始的环境特定映射——我们称之为环境映射（environmental grounding）——效率增益才会出现，而人类从第一次解题尝试起就能利用先验结构知识。在纯文本条件下，模型的发现效率与人类相当或更高。相比之下，视觉信息——无论在仅图像还是图文条件下——总体上降低而非提升了性能，揭示了对符号处理的广泛依赖，而非整合的多模态推理。模型还表现出人类所没有的系统性CC/CE不对称，暗示其依赖启发式偏差而非方向中立的因果抽象。这些发现表明，大规模统计学习并不会产生支撑人类类比推理的去情境化因果图式，从而把“依赖环境映射的迁移”确立为当前LLM与VLM的一项根本局限。