李飞飞团队发布 ESI-Bench，一个要求智能体通过主动行动完成空间推理的新基准，揭示当前 AI 在「行动策略」和「元认知」上的根本缺陷。
📝 详细摘要
李飞飞团队最新发布的 ESI-Bench 是一个专门评测具身空间智能的新基准。与现有仅测试「被动感知」的基准不同，ESI-Bench 要求智能体必须通过主动行动（如移动、抓取、倾倒）来获取信息并完成推理，闭合了「感知-行动回路」。基准包含 10 个任务类别、29 个子类别、3081 个任务实例，围绕人类核心空间认知的四大维度设计。团队对 GPT-5、Gemini 等最强多模态大模型进行全面测试，得出三个核心结论：第一，感知不是瓶颈，行动才是——模型存在「动作盲视」现象，一个差动作导致级联失败；第二，不完美的 3D 重建比 2D 更坑，重建失真会「毒化」推理输入；第三，模型存在元认知缺陷，不知道自己看没看够，缺乏怀疑机制。该工作为具身空间智能领域提供了一个系统性的评测框架。
💡 主要观点
- ESI-Bench 要求智能体通过主动行动完成空间推理，而非被动看图。 现有基准测试的是模型的「视力」，而 ESI-Bench 要求智能体像人类一样主动决定行动、获取证据，再基于新观测做判断，闭合了感知-行动回路。
💬 文章金句
- 现在的 AI 看图很厉害，但离「会动、会摸、会主动找答案」的空间智能还差得远。
- 正确答案不在任何单张图片里，智能体必须主动行动并推理出正确结果。
- 空间智能的卡点不在于视觉模型不够强，而是行动策略几乎为零。
- 不完美的 3D 不是中性失败，它是负向失败。
- 模型不知道自己不知道。它缺乏一种内建的「怀疑机制」，无法评估当前信息是否充分。
📊 文章信息
AI 初评：88
来源：量子位
作者：听雨
分类：人工智能
语言：中文
阅读时间：14 分钟
字数：3252
标签： ESI-Bench, 空间智能, 具身智能, 李飞飞, AI 评测