EgoProx：在认知层级上评估多模态大模型的自我中心 3D 邻近性推理

人类常通过推理身体与周围物体的 3D 邻近关系来指导日常感知与行动。为探究多模态大模型（MLLMs）是否具备此类具身 3D 推理能力，本文提出 EgoProx 基准。该基准沿认知链组织任务，涵盖意图、探索、利用及行动链推理，并设计基于智能体的数据引擎以规模化生成多样且一致的问答对。实验表明，当前 MLLMs 虽具备一定空间知识，但在有效利用其进行空间推理视觉问答方面仍面临挑战。