LLM 空间推理实测依旧拉胯，但跑赢进化优化器证明有泛化

teortaxesTex · x · 2026-11-06

针对一份模型空间推理评测报告的讨论:主流模型(连最新的 Opus 5.5 在内)表现都不佳,但报告中被忽略的一个细节是,它们好于一个进化优化器基线——这基本证明模型发生了某种程度的泛化,只不过这种程度的泛化对认真了解 LLM 的人来说并不新鲜(模型在奇特的 OOD 编程任务上同样胜过进化优化器)。评论者还指出,该评测给模型提供的工具接口颇为奇怪:一个工具可设置手指任意姿态(每关节相对当前姿态限 45°),另一个用于移动手掌。