魔镜魔镜：VLM智能体到底能不能认出自己？

在动物王国中，镜子自我识别是高阶认知的典型探索，仅在某些物种中出现。我们询问具身视觉语言模型（VLM）智能体中是否出现类似的功能能力：它们能在镜子中认出自己吗？我们引入了一个受控的 3D 基准，其中第一人称 VLM 代理必须从其反射中推断隐藏的身体属性并选择匹配目标，同时避免自我他人错误归因。为了将基于镜子的自我识别与捷径区分开来，我们测试了镜子移除、误导性线索和遮挡反射。我们还通过镜像搜索、时间顺序、自我归因和推理-行动一致性来评估决策过程。我们的实验表明，基于镜像的自我识别主要出现在更强的 VLM 中。这些模型可以使用反射的证据来采取行动，而较弱的模型经常检查镜子，但无法提取自我相关的信息或错误地归因其反射。语言与视觉的冲突进一步表明，自我指涉语言本身并不能证明扎根的自我认同。总体而言，基于镜像的评估提供了一个诊断，即体现的自我基础是否因果性地植根于感知和行动，而不是先验、即时顺从或虚构。