导航|地址|刷新
李飞飞李曼玲团队发布空间理论：AI的空间智能还在三岁小孩阶段_手机网易网




















网易网易号



0







李飞飞李曼玲团队发布空间理论：AI的空间智能还在三岁小孩阶段


DeepTech深科技
2026-03-31 15:06·北京·《DeepTech深科技》官方网易号

0


1983 年，心理学家设计了一个简单实验：Sally 把弹珠放进篮子然后离开，Anne 趁她不注意把弹珠挪到盒子里。问题是，Sally 回来后，会去哪里找弹珠？

四岁孩子能答对：去篮子，因为 Sally 不知道弹珠被移走了。三岁以下的孩子会答错，他们分不清“自己知道”和“别人知道”的区别。这就是发展心理学里著名的 Sally-Anne 测试，它标定了人类认知发展的一道重要分水岭。这种能力被称为“心智理论”（Theory of Mind）。




打开网易新闻 查看精彩图片

（动图来源：受访者）

四十多年后，美国斯坦福大学李飞飞教授和美国西北大学李曼玲教授团队把这个实验搬到了 AI 面前，只不过这次考察的是物理世界。他们设计了一套叫“空间理论”（Theory of Space）的评估框架，目的是想弄清楚一件事：当大模型必须自己去探索、去发现、去拼凑信息时，它的空间智能究竟进化到了哪一级？



打开网易新闻 查看精彩图片
图 | 从左到右：李飞飞、李曼玲（来源：资料图）
从被动答题到主动探索，AI 掉了好几个台阶

传统测试 AI 空间能力的方式，有点像开卷考试。给一张图，问里面物体的位置关系，模型答对了就算过关。前沿模型在这种测试里得分都不错，让人以为它们已经挺懂空间了。

但李飞飞和李曼玲团队觉得这还不够。真实世界不是开卷考，没有人会把所有信息一次性摆在你面前。你推开一扇门只看到客厅一角，走过走廊瞥见卧室一角，要理解整个房子的布局，你得把这些碎片拼起来，还得知道自己还有什么没看到，下一步该往哪看。

研究中，他们设计了一套测试环境，有文本版和视觉版两种，让模型在多个房间里主动探索，收集信息，构建脑海中的认知地图。过去评估只看最终答对答错，这篇工作第一次能给 AI 大脑拍 X 光，他们让模型显式探测这张认知地图，在每个时间步输出自己认为物体都在什么位置。




打开网易新闻 查看精彩图片

（动图来源：受访者）

结果发现，模型在被动模式下表现尚可，一旦切换到主动探索模式，性能应声而落。以视觉世界为例，GPT-5.2 从 57.1% 掉到 46.0%，Gemini-3 Pro 从 60.5% 掉到 57.3%，而这就是他们所说的主动被动差距。



打开网易新闻 查看精彩图片
（来源：https://theory-of-space.github.io/paper/Theory_of_S）
差距从哪来？他们用一套精细的诊断工具来逐层拆解模型的认知过程。

第一个问题是效率低。规则代理平均 9 步就能覆盖整个环境，基础模型往往需要 14 步以上，而且覆盖率更低。GPT-5.2 有个毛病，一看到门就冲过去，经常忘了把当前房间看完。Gemini-3 Pro 好一些，会先原地旋转观察再移动，但也没有规则代理高效。

第二个问题更致命。他们设计了一个错误信念测试，在模型完成初次探索后，悄悄移动或旋转几个物体。当模型再次经过并直接观察到新布局时，一个令人不安的现象出现了：GPT-5.2 在视觉世界中的朝向惯性高达 68.9%，即近七成的情况下仍然坚持报告物体的旧朝向。同一模型在文本世界中惯性只有 5.5%。



打开网易新闻 查看精彩图片
（来源：https://theory-of-space.github.io/paper/Theory_of_S）
其实这就是信念惯性，模型亲眼看到变化，但内部表征缺乏足够的可塑性来完成旧信念到新信念的覆写，也就是它无法更新自己的认知。这和 Sally-Anne 测试里三岁幼儿的失败何其相似，只不过幼儿失败是因为认知能力尚未发育，模型失败是因为内部机制存在缺陷。

认知地图会漂移，视觉世界更高难

他们还发现一个叫信念漂移的现象。那就是模型在初次观察物体时的感知误差虽然存在，不过还没严重到影响整体判断。真正的问题是，这份初始保真度无法在后续步骤中维持。随着探索推进、信息增多，那些早先正确的记忆开始悄然退化，被后续步骤的错误更新覆盖，或者在拼接不同房间的信息时产生内部矛盾。




打开网易新闻 查看精彩图片

（动图来源：受访者）

最终认知地图的低准确率，在很大程度上来自拼不住。模型缺乏稳定维护长程空间信息的机制，新的观察不仅没有巩固已有认知，反而在不断侵蚀它。这个特点可能人类也存在，比如笔者曾去参观故宫，一个宫殿接一个地观看，而这些宫殿又很相似，那么就很有可能看了下一个、忘记了上一个。



打开网易新闻 查看精彩图片
（来源：https://theory-of-space.github.io/paper/Theory_of_S）
但是，这些问题在视觉世界中会被放大。人类被试在视觉世界中的准确率高达 96.4%（使用简单工具后达 99.0%），在文本世界中是 86.7%。模型却正好相反，文本表现远好于视觉。视觉信息对人类而言是天然、直觉的空间认知通道，而当前多模态模型尚未学会从像素中高效提取空间结构。

尤其是物体朝向识别，模型几乎接近随机猜测。这解释了为什么它们在视角推理任务（如 Perspective Taking）上得分惨淡，大约只有 36% 的准确率。

而这套评估框架的价值，在于它把空间智能从会不会答这道题的二元判定，变成了一个可以逐级诊断的连续过程。它告诉我们的不只是模型还差多远，更是它具体在哪一级开始失灵。

如果模型连“记住刚才看到的沙发在哪”都做不到，那指望它在一个真实环境里主动导航，比如在灾区搜救中定位幸存者，还有很长的路要走。



打开网易新闻 查看精彩图片
（来源：https://theory-of-space.github.io/paper/Theory_of_S）
目前，相关论文已被机器学习顶级会议 ICLR 2026 接收。论文、代码和数据集都已开源。该研究由西北大学、斯坦福大学、华盛顿大学与康奈尔大学联合完成。研究团队里集齐了多位《麻省理工科技评论》“35 岁以下科技创新 35 人”的入选者，李曼玲教授是 2025 年全球入选者，美国斯坦福大学的吴佳俊教授和美国华盛顿大学的 Ranjay Krishna 教授分别入选了 2024 与 2025 年度亚太区名单。

参考资料：

相关论文 https://theory-of-space.github.io/paper/Theory_of_Space.pdf

https://limanling.github.io/

https://profiles.stanford.edu/fei-fei-li

运营/排版：何晨龙








特别声明：本文为网易自媒体平台“网易号”作者上传并发布，仅代表该作者观点。网易仅提供信息发布平台。






打开网易新闻体验更佳




热搜

祖辈所种古树被扣押后转赠 官方介入

中央：提升资本市场韧性和信心

《九门》口碑

央视披露：外机深夜成体系逼近中国

中方回应有无人艇接近中方军舰

柯洁王中王冠军





热门跟贴




打开APP发贴

0条跟贴








相关推荐




选对的也得被惯性弄死

莹宝剪辑4跟贴









经典史诗巨作魔幻动作电影，视觉震撼，劲爆刺激，一睹为快！

小麒麒手工82跟贴









World Labs收购SceniX后，李飞飞与李昀烛揭秘具身智能终局：空间智能

钛媒体APP








全国首例！浙江40岁失明妈妈借助脑机接口手术重获“视觉”，激动写下两个字





都市快报橙柿互动1跟贴






赛里木湖自驾每人收75元引争议，景区称相关费用已做备案

界面新闻2.6万跟贴









李峰任上海市青浦区代理区长

澎湃新闻299跟贴








李飞飞，这不是你一个人的路，这是我们全家的路





二湘空间






视觉小实验，揭秘探索现象背后的原理，网友：我不是没文化！

搞笑面包狗1跟贴









"1.5万机票退票仅退400多元"最新进展：票款全额退还

极目新闻8500跟贴









太突然：上海刚刚密集预警 天气分分钟发生大转折

新闻坊56跟贴









飞渡科技：一家空间智能“隐形冠军”的显性时刻

钛媒体APP









顶级视觉骗局！3D街头画整懵路人，笑不活了

狗蛋配音1跟贴









关于公布2026年中央财政支持普惠金融发展示范区名单等有关事项的通知

财政部14跟贴









李飞飞做AI游戏拿了4个亿，像刷抖音一样玩游戏

量子位









李飞飞出手！用世界模型训练机器人，五种真机跑一小时不出错

智东西









“AI领域最被滥用的术语”李飞飞终于把世界模型讲明白了

量子位









18年磨一剑！韩国棒球队发布新队徽，一个“K”字引爆传统与现代的视觉冲突

报错免疫体









经济发展五动能互耦循环逻辑——《经济发展五动能正循环与马太效应》之三

经济观察报









人民时评：从菲尔兹奖看中国创新积厚成势

澎湃新闻7272跟贴









小客车翻坠50米崖下致3死 司机制动失误连续踩油门

大风新闻414跟贴











回到顶部回到首页



------
导航页 打开网址