SATE-Bench：316 场景 2525 问，测出 MLLM 主动空间探索会过早自信收手

多所高校联合发布 SATE-Bench，用316个真实场景、2525个多轮QA测出MLLM主动空间探索会过早自信收手。SOTA模型常过早终止探索却报告高置信度，细粒度3D几何任务表现差；匹配对照显示Active–Passive差距主要源于证据获取不足。GRPO奖励主动找视角会提升探索但降低整体准确率，代码与数据已开源。