大语言模型构建空间世界模型了吗？来自网格世界迷宫任务的证据

基础模型虽表现优异，但其构建内部空间世界模型以支持推理和规划的能力尚不明确。本文通过需多步规划与空间抽象的迷宫任务，系统评估了多种大语言模型的空间理解力。实验发现，模型表现高度依赖表示形式：文本邻接表示下准确率较高，而视觉网格格式下性能显著崩溃。尽管推理轨迹语义覆盖率高，模型却未能利用此理解进行一致的空间计算，表明其未建立累积的空间知识。研究结论指出，LLM 并未形成鲁棒的空间世界模型，仅在特定条件下表现出依赖提示和表示的推理能力。