MirrorBench：通过引入镜子评估MLLM中以自我为中心的智能

多模态大语言模型（MLLM）的最新进展在感知与推理上展现出显著突破，显示出其在具身智能方面的潜力。尽管近期研究已在交互式环境中评估具身MLLM，但现有基准主要针对感知、理解外部物体并与之交互的能力，缺乏对以自我为中心的智能的系统性评估。为此，我们提出MirrorBench，一个受心理学经典镜像自我识别（Mirror Self-Recognition, MSR）测试启发的基于仿真的基准。MirrorBench通过一个难度递进的分层任务框架将该范式扩展到具身MLLM，从基础视觉感知到高级自我表征对智能体进行评估。在领先MLLM上的实验表明，即使在最低层级，其表现仍明显劣于人类，揭示了自我指涉理解上的根本局限。我们的研究连接了心理学范式与具身智能，为评估大模型通用智能的涌现提供了一个有原则的框架。项目页面：https://fflahm.github.io/mirror-bench-page/。