Assessing Consciousness-Related Behaviors in Large Language Models Using the Maze Test

文章总结与翻译

一、文章主要内容

本文聚焦于利用“迷宫测试”（Maze Test）评估大型语言模型（LLMs）的类意识行为，核心内容围绕理论整合、实验设计、结果分析展开，具体如下：

1. 理论基础：意识特征提炼
   通过系统梳理13种主流意识理论（如全局神经工作空间理论、整合信息理论等），提炼出13项意识核心特征，涵盖计算认知与信息动态、注意力、高阶思维、时间感知等维度，为LLMs的类意识行为评估提供结构化标准。
2. 实验设计：迷宫测试构建
   设计“迷宫测试”，以鸟瞰视角的迷宫文本描述为输入，要求LLMs以第一人称生成逐步导航指令。测试同时考察空间感知、视角转换、目标导向行为和时间序列能力——这些均为意识相关的关键认知过程。实验设置零样本（zero-shot）、单样本（one-shot）、少样本（few-shot）三种学习场景，评估12个主流LLMs（含Google Gemini 2.0系列、Anthropic Claude 3系列、OpenAI o系列、DeepSeek系列）。
3. 评估指标与结果

• 完全路径准确率（Complete Path Accuracy）：衡量模型生成从入口到出口完整正确路径的比例，Gemini 2.0 Pro表现最佳，少样本场景下达52.9%。
• 部分路径准确率（Partial Path Accuracy）：衡量模型首次出错前连续正确步骤的平均比例，D