SpatialText：用于大语言模型空间理解的纯文本认知基准

真正的空间推理依赖于构建和操作连贯的内部空间表征（即心理模型），而非仅处理表面语言关联。现有基准未能将这种内在空间认知与统计语言启发式分离，且多模态评估常混淆视觉感知。为此，本文提出 SpatialText，一个理论驱动的诊断框架。它结合真实 3D 室内环境的人工标注描述与代码生成的逻辑精确场景，系统评估主流模型。结果显示，尽管模型擅长检索显性事实，但在自我中心视角转换和局部参考系推理上存在关键缺陷，表明其主要依赖语言共现启发式而非构建连贯的内部表征。