Spelke's core knowledge systems

新的ESI-Bench基准测试AI代理的主动空间推理能力

研究人员推出ESI-Bench，这是一个旨在评估AI代理具身空间智能的新基准。该基准侧重于感知-行动闭环，代理通过主动探索环境来收集信息，而不是被动处理视觉数据。使用最先进的多模态大语言模型（MLLMs）进行的实验表明，与被动观察相比，主动探索显著提高了性能，尽管失败通常源于糟糕的行动选择而非薄弱的感知。该研究还强调了模型中存在的元认知差距，因为它们倾向于过早地做出结论，不像人类会根据矛盾的证据修正信念。