AI社交盲区：NormAct揭示大模型在具身规划中难以察觉隐藏社会规范

当AI助手走进现实场景，它们不仅要完成任务指令，还需像人类一样遵守未言明的社交规则。arXiv最新研究《NormAct: A Benchmark for Hidden Social Norm Compliance in Embodied Planning》揭示了一个关键短板：当前最先进的多模态大语言模型（如GPT-4、Claude Opus、Gemini Pro）在具身规划任务中，对隐藏社会规范的识别能力严重不足。

研究团队设计了一套独特的评估体系，将社交规范巧妙嵌入日常任务场景（如整理房间、公共场所行为等），要求AI在未获明确提示的情况下自主推断并遵守这些“潜规则”。实验结果令人惊讶：模型在67.3%的情况下能达成显性目标，但仅有26.4%的案例符合隐藏的社会规范。这表明模型并非缺乏社交常识，而是在具体场景中难以激活并落地这些知识。

为突破这一瓶颈，研究者提出了NormPerceptor解决方案——一个上下文感知的提示生成器，可在规划前推断场景相关规范。该方法将任务整体成功率从24.2%提升至46.7%，证明通过前置的规范感知机制能显著改善AI的社会适应性。这项研究强调，未来具身智能体必须学会主动探测隐性规范、将其锚定于视觉证据，并转化为行动规划的约束条件。完整基准数据集已开源，为AI社会智能研究提供了重要工具。