Spelke

新基准测试AI代理的主动空间推理能力

研究人员推出了ESI-BENCH，一个旨在评估AI代理具身空间智能的新基准。该基准侧重于感知-行动循环，代理通过主动探索环境来收集证据，而不是被动处理观察结果。对最先进的多模态大语言模型（MLLMs）进行的实验表明，主动探索的性能显著优于被动方法，代理能够发展出涌现的空间策略。然而，识别出的一个关键限制是元认知差距，模型会过早地做出结论，不像人类会寻求矛盾的证据。