STRIDE：评估驾驶边缘案例中的时空推理

STRIDE 是面向长尾、安全关键驾驶场景的以对象为中心的基准，覆盖空间感知、空间理解、时间记忆、时间外推、轨迹预测和场景上下文感知六类任务。在 12 个专有、开放权重和驾驶专用模型上，最佳模型 GPT-6-Astra 的多选题平均准确率仅 43.4%，随机选择基线约 20%。分析显示，描述驾驶场景表现强并不必然带来准确的安全关键判断，模型重建物体运动比回忆过去位置更困难。