普林斯顿AI Lab出题，「空间智能」大考：人类83.3%，大模型最高39.7% - 扑克牌型说明

普林斯顿大学人工智能实验室发布了一项针对“空间智能”的新测试，名为“同一空间与否”（SSoN）。该测试旨在评估AI对三维世界的理解能力，通过四张静态室内图像，要求模型找出其中不属于同一场景的一张，并说明原因。

测试结果显示，人类在1000道题中的准确率达到83.3%，而六个受测视觉语言模型中，表现最好的GPT-6 Astra Pro也仅有39.7%的准确率，其余五个甚至低于随机猜测的25%基线。这表明，在缺乏动态交互的情况下，AI在基础的静态跨视角理解上已与人存在显著差距。

低于25%的准确率并非意味着AI毫无能力，而是SSoN专门设计了“看似变化、实则一致”的强干扰视图，导致模型被外观差异误导。即使选对答案的模型，其解释也往往站不住脚。研究进一步发现，17个视觉编码器在特征相似度测试中全部低于随机线，凸显了从识别差异到理解空间关系的鸿沟。

SSoN将空间智能的短板拆解为六类编辑任务：交换和细节变化相对容易，镜像和删除处于中间，而移动和旋转则成为模型的共同盲区。例如，在旋转题中，最高准确率仅为9.54%，而人类则超过70%。这种能力差距在梭哈同牌比较时尤为明显，模型难以区分物体移动与视角变化导致的视觉差异。

研究还尝试了多种干预手段，如提供提示、三维重建和相机参数。直接提供真实相机信息后，准确率提升至61%，但仍有近半数回答缺乏充分证据。微调模型后，准确率从21.89%提升至41.79%，表明空间一致性判断可通过定向监督改善。

SSoN通过严格的出题和阅卷流程确保题目有解，并检查答案与证据的一致性。研究指出，AI在进入物理世界前，必须先学会理解同一个三维世界，而这张考卷正为评估和提升这一能力提供了基准。