普林斯頓AI Lab推出SSoN基準，人類準確率83.3%而大模型最高僅39.7%
AI資訊AI新閒資訊正文普林斯頓AI Lab推出SSoN基準，人類準確率83.3%而大模型最高僅39.7%發布於AI新閒資訊時間 :Nov 4, 2026閱讀 :1分鐘近日，普林斯頓大學 AI Lab 團隊正式推出了一項全新的空間智能基準測試 —— SSoN。該測試旨在剝離動態交互與動作控制的幹擾，專門檢驗人工智能在靜態跨視角下的三維空間理解能力。測試結果顯示，在“四選一挑異常”的室內空間考題面前，人類的準確率高達83.3%，而受測的主流視覺語言模型最高僅有39.7%，甚至多數模型的表現低於四選一的隨機基線，暴露出當前 AI 在空間幾何推理上的核心短板。
核心測試機制:四張靜態圖考驗空間一致性SSoN 基準測試的核心任務邏輯非常直觀:通過向受測模型提供四張靜態的室內場景圖像，要求模型準確找出其中不屬於同一場景的那張“異常圖”。通過這種方式，測試能夠直接檢驗 AI 是否具備真正的跨視角三維空間整合能力。然而，測試結果顯示出巨大的鴻溝:人類能夠憑藉直覺和生活經驗輕鬆識別出空間邏輯上的不協調，而當前的視覺語言模型在面對此類測試時顯得捉襟見肘。
三大核心痛點:幾何推理短板明顯，解釋有效性堪憂深入分析模型的答題表現，普林斯頓研究團隊發現當前大模型在空間智能上暴露出三大顯著痛點:移動與旋轉推理成最大短板: 在各類幾何推理題型中，特別是涉及物體相對位置移動、視角旋轉等空間變換的場景下，模型的錯誤率居高不下，短板極為突出。知其然而不知其所以然: 在模型少數選對答案的結果中，有近三成的推理解釋在邏輯上根本不成立，屬於典型的“蒙對答案卻說不清理由”。整體表現不及隨機盲猜: 多數受測模型的綜合準確率甚至低於四選一的隨機基線，說明它們尚未真正建立起穩定的三維空間直覺。
後續幹預實驗:定向微調與相機參數成破局關鍵為了探究如何幫助 AI 跨越這道技術鴻溝，研究團隊隨後開展了一系列幹預實驗:提示引導與三維重建: 實驗表明，通過文字提示引導或引入傳統的三維重建流程，只能為模型的成績帶來小幅度的提升。提供真實相機參數: 當直接為模型提供真實的相機參數時，其表現得到了大幅度改善，但即便如此，依然未能實現半數以上題目的可靠答對。定向監督微調: 令人鼓舞的是，針對該任務開展定向監督微調，可以讓模型在未見過的全新房間測試題上，準確率實現近乎翻倍的飛躍。這一結果充分驗證了，大模型的空間一致性判斷能力並非不可攻克，完全可以通過有針對性的定向監督訓練實現遷移與提升。
SSoN 基準的推出，成功剝離了多餘的幹擾因素，直指當前 AI 在三維空間跨視角整合上的核心缺口，也為全球研究人員後續迭代空間智能技術指明瞭清晰的前進方向。相關推薦微軟為Outlook引入小型AI模型，優化郵件搜索排序微軟正為Outlook搜索引入專用小型語言模型，用於優化搜索結果排序，提升郵件檢索準確性與相關性。該模型採用精簡版Reranker架構，通過更大模型監督訓練，在控制算力消耗的同時改善搜索效果。目前處於內部測試，早期離線測試結果積極。與可理解自然語言指令的AI搜索不同，它主要負責對現有搜索結果進行重排。Nov 4, 2026108.
7kAnthropic 殺手級驗真系統 FlashProve 正式開源：17 秒精準戳破“套殼模型”，驗身速度飆升 5000 倍人工智能開源生態繁榮催生“套殼模型”亂象：部分開發者將開源模型稍作包裝、偷換權重或篡改輸出，便宣稱自研新模型。為從根源打擊亂象，AI明星企業Anthropic推出並開源大模型可證明推理系統FlashProve。該系統依託底層密碼學技術，可精準驗證模型真實身份，遏制套殼造假。Nov 4, 2026103.8k騰訊 Hy4 正式版亮相：擠進最強開源陣營，主打"真幹活"騰訊混元11月4日發佈最新一代大模型Hy4正式版。
相較8月底preview版，其顯著擴大預訓練與後訓練規模，首次引入視覺能力，可結合感知、推理與工具調用，完成圖像處理、圖表分析及數學視覺推理。Hy4還首次支持“電腦操作”，混用命令行與圖形界面，並針對Blender、CAD等專業軟件及跨應用長程任務專項訓練，提升規劃執行能力。Nov 4, 2026160.1k谷歌給美國中小學出"二選一"：開 AI 搜索，或關掉搜索彭博社11月3日報道，谷歌調整美國中小學服務權限。教育業務負責人菲利普斯稱，幼兒園至高三學生賬戶的谷歌搜索、Gemini聊天機器人、Gemini Notebook及谷歌課堂Gemini功能默認關閉，須學校管理員手動開啟。
搜索開關由管理員掌握，但開啟搜索即放行內嵌AI。此舉系家長與學區牴觸壓力下的妥協。Nov 4, 2026112.4k歐洲法院顧問警告：Gemini若繞過付費牆或複用內容或涉嫌侵權歐盟法院法務總顧問近日就匈牙利網站運營商訴谷歌案正式發表意見，釐清AI處理新聞內容的版權邊界。意見稱，谷歌AI聊天機器人Gemini在特定情況下使用新聞報道可能違反版權規定：若非法繞過付費牆獲取內容，或在回答中以可識別方式複用新聞報道具體表達形式，就可能侵犯出版商的複製權。Nov 4, 2026105.7k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
給 AI 輸出蓋"數字指紋"：Anthropic 研發 FlashProve 讓換模型無處遁形
公司週二博客稱，它要做的"可證明推理"，是用密碼學為每條輸出出具數學保證，證明確實出自指定模型——就像加密郵件簽名幫收件人確認發件人，FlashProve 專門防備"把甲模型偽裝成乙模型"。堵住成本作弊暗門，也拆穿"注水"成績單研究人員點破長期潛規則：有了它，AI 公司難以為省成本在後臺偷偷把貴模型換成廉價版；反過來，企業也沒法暗中將便宜模型偽裝成高價型號、人為抬高跑分。
百度首次發佈物理AI世界模型Apollo World，蘿蔔快跑近百輛無人車搭載新架構運營
百度智能駕駛事業群組首席架構師王亮表示，目前約百輛蘿蔔快跑無人車已搭載新一代端到端架構參與運營，累計全無人運營安全里程接近百萬公里。新一代架構採用端到端模型，從駕駛數據中直接學習駕駛策略，預測轉向、油門和剎車等控制信號。為驗證模型安全性，百度推出Apollo World，將車輛、行人等交通參與者構建為具備自主決策能力的AI智能體，模擬複雜交通場景及完整行程，每天可完成約10萬公里虛擬路測。
機器人距離自主完成複雜任務還有多遠?王興興談具身智能突破方向
目前，頂尖模型已非常接近這一目標。王興興指出，當前具身智能模型已具備較強規劃能力，但在拆機、裝配等精細操作中，仍面臨物理對齊和觸覺接觸方面的挑戰，即“最後幾毫米”問題。他認為，2027年可能成為具身智能泛化部署的臨界點，一旦這一技術瓶頸得到突破，行業規模化應用的障礙將大幅減少。
字節跳動收緊內部AI權限：網傳將全公司封禁外部AI訪問L4 代碼庫，高管迴應保密與體驗平衡
據悉，從本月起，字節跳動將會對全公司所有 L4級別的代碼倉庫和飛書文檔實施外部 AI 訪問封禁，員工個人採購的 AI 賬號將無法繼續在上述核心區域使用。核心資產安全與分級管控的考量在字節跳動的內部職級體系中，L4通常對應原3-1級別，屬於團隊的 TL（團隊主管）或初級經理，處於核心技術骨幹與管理層的分水嶺位置。
後摩智能完成數十億元B輪融資，端側大模型AI芯片駛入規模化落地快車道
N1Pro及與Bose合作的AI耳夾式耳機，標誌AI個人智能體向物理世界延伸。N1系列搭載5000萬像素影像、1G5P鏡頭和端側視覺模型，支持環境感知、翻譯、紀要與語音辦事；N1Pro為首款支持心率、血氧、皮膚溫度監測的AI眼鏡，並引入眼動交互與超低誤識率虹膜識別。
騰訊Hy4開眼了！搶先實測操作微信、3D建模，價格看齊DeepSeek，昇騰生態已聯動
作者 | 陳駿達 編輯 | 雲鵬 11月4日報道，今天，騰訊發佈其最新一代旗艦模型Hy4正式版，並計劃開源模型權重。相比於今年8月發佈的Hy4 preview，Hy4顯著擴展了預訓練和後訓練規模，首次引入了視覺能力，並大幅提升了指令遵循、長文理解、長程任務、深度研究等各項綜合能力。