AI密室逃脱大考：顶尖大模型集体折戟，AGI还有多远？| AI资讯

type

status

date

slug

summary

引言

近年来，多模态大模型（MLLMs）的发展势如破竹，它们能看图作文、能理解视频、能与人对话，似乎正在开启通往通用人工智能（AGI）的大门。然而，当我们将这些聪明的 AI 从静态的问答题中解放出来，放入一个需要自主探索和决策的动态环境中时，它们真的还能保持“全知全能”吗？

最近，一篇来自清华大学并已入选ICCV 2025的论文，为我们提供了一个残酷而真实的答案。研究团队设计了一个名为EscapeCraft的3D密室逃脱环境，将 GPT-4o、Claude 3.5 等一众顶尖 大模型 投放到这个“AI新考场”中。结果令人大跌眼镜：即便是最强的模型，通关率也不足50%，暴露了它们在空间推理和复杂规划能力上的严重短板。这不仅是一则有趣的 AI新闻，更引发了我们对 AGI 实现路径的深刻思考。

密室逃脱：不止于看图说话的AI新考场

传统的 AI 评测大多基于静态数据集，模型只需根据给定的图片或文本“答题”即可。但真实世界是动态且需要交互的。为了弥补这一差距，清华团队创造了EscapeCraft。

在这个可自动生成的3D虚拟密室中，人工智能 模型不再是旁观者，而是第一视角的“玩家”。它们需要完成一系列类似人类玩密室逃脱时的任务：

自由探索：在房间内移动，转动视角，观察环境。

寻找线索：从墙上的海报、桌上的纸条等处发现关键信息。

获取道具：找到并拾取钥匙、工具等物品。

逻辑推理：将线索与道具结合，解开谜题，例如用钥匙打开上锁的箱子。

最终目标：成功打开房门，逃出密室。

EscapeCraft的精妙之处在于其高度的灵活性和可扩展性。研究者可以自由定制房间布局、道具链的长度和谜题的难度。这使得它不再是一个单一的测试，而是一个能够持续评估 LLM 进化过程的通用平台，为未来的智能体研究提供了坚实的基础。

从“答对”到“会想”：为何过程比结果更重要？

EscapeCraft最核心的创新，在于它将评估重点从“任务是否成功”转移到了“任务是如何完成的”。换言之，它关心的是 AI 的“思考过程”，而不仅仅是最终的“答案”。

为此，研究团队设计了一系列创新的过程性评测指标，其中最具代表性的是 意图与结果一致性（Intent-Outcome Consistency）。这个指标衡量的是，AI 的行为是否与它自己宣称的意图相符。

评测结果揭示了一个惊人的事实：大量的成功是偶然的。例如，一个 大模型 可能在日志中记录“我打算与电视互动”，但它的实际操作却是移动到电视附近，并“意外地”拾取了旁边的关键钥匙。虽然它拿到了道具，但这并非出于真正的理解和规划，而更像是“瞎猫碰上死耗子”。数据显示，即便是表现最好的 GPT-4o，在稍有难度的关卡中，其成功的交互行为也仅有约26.5%是出于“真正的理解”。

这种对过程的剖析，让我们能够区分 AI 的“幸运”与“智能”，真正衡量它是否“想清楚了”，而不仅仅是“做对了”。

顶尖大模型集体“翻车”：暴露了哪些核心短板？

当今最热门的 大模型，包括GPT-4o、Gemini 1.5 Pro和Claude 3.5 Sonnet，都在EscapeCraft中接受了严峻的考验。结果显示，没有一个模型能够轻松应对。

它们的失败方式五花八门，共同揭示了当前 AI 技术的几个核心短板：

严重的视觉感知错误：模型常常“看走眼”。它们会试图与墙壁、沙发等不可交互的物体进行互动，理由是“沙发下可能藏着钥匙”。更有甚者，模型已经看到了关键道具，但在移动过程中，由于视角控制不佳，会将其“移出视野”，然后忘记它的存在。

混乱的推理逻辑：即便“看到”了，也不代表“想明白”了。在Claude 3.5的失败案例中，超过60%的问题都出在推理逻辑上。模型会陷入死循环，在房间的某个角落里“卡住”；或者已经拿到了钥匙，却不知道应该去开门，反而继续在房间里漫无目的地游荡。

脆弱的空间记忆能力：这是最致命的短板。模型似乎无法在脑海中构建一个稳定的3D空间地图。它们经常迷失方向，反复回到已经探索过的区域，表现出极差的空间感。当线索从门边移到房间的另一头时，GPT-4o便无法正确利用线索，最终导致任务失败。

这些发现表明，当前 大模型 强大的语言和图像理解能力，并没有很好地转化为在三维空间中的规划和执行能力。

对未来AI发展的启示

EscapeCraft的测试结果如同一盆冷水，让我们对当前 AI 的能力有了更清醒的认识。它告诉我们，通往 AGI 的道路，绝非简单地堆砌数据和扩大模型规模就能走通的。

未来的研究必须更加关注以下几个方向：

具身智能（Embodied AI）：让 AI 拥有“身体”，在与环境的真实互动中学习物理规律和空间关系。

空间推理与记忆：开发新的模型架构，使其能够像人类一样构建和维护对环境的心理地图。

长期规划能力：提升模型在多步骤、长链条任务中的决策和执行能力，避免短视和重复行为。

对于所有关注 AI 发展的从业者和爱好者来说，EscapeCraft这样的前沿研究提供了宝贵的洞见。想要紧跟 AI 领域的最新动态和技术突破，获取第一手的 AI资讯 和深度解读，可以访问专业的 AI门户 网站，例如 [AIGC导航](https://aigc.bar)，在这里你可以找到关于 ChatGPT、Claude 等模型的最新教程和应用案例，激发更多关于 AI变现 和技术创新的灵感。

结论

密室逃脱挑战不仅仅是一个游戏，它已成为检验 人工智能 真实智慧的试金石。清华大学的EscapeCraft项目，以一种极具创意的方式，揭示了当今最先进 大模型 在光鲜外表下的脆弱之处。它们或许能写诗、能绘画，但在一个简单的3D房间里，却可能寸步难行。

这并不意味着 AI 的失败，恰恰相反，它为我们指明了前进的方向。从“看懂世界”到“理解并改造世界”，AI 还有很长的路要走。而正是这些挑战，才让通往 AGI 的探索之旅充满了无限的可能与魅力。