一致却错误：空间视觉语言模型中的证据不敏感性

空间推理对机器人及具身 AI 至关重要，但现代视觉语言模型在度量距离查询上仍不可靠。通常假设跨视角的一致预测反映几何基础，本文证实反之：领先模型常产生视图不变且一致的错误答案，表明预测与特定视角视觉证据耦合微弱。我们提出 ViewDiag，一种基于多数据集的控制性多视角评估协议，从度量准确性、分布集中度及内部崩溃特征三个维度评估模型。结果显示，高预测稳定性常伴随 substantial 误差，反映由先验驱动的崩溃而非证据敏感推理。该研究挑战了将跨视角一致性作为几何理解代理的惯例，提供了超越单一准确率的诊断框架。