비전-언어 모델(VLM)이 단일 이미지에서 잠재 공간 구조를 재구성하는 능력을 순수하게 측정하기 위한 벤치마크 StateSight를 제안한 연구다. 큐브넷 반대면 추론, 가려진 큐브탑 개수 세기, 4방향 연결요소 개수 세기 등 3개 과제군에 각각 300개의 단일 이미지 프롬프트와 결정론적 정답, 정확 일치 채점을 적용했다. GPT-5.5는 세 과제에서 각각 59.3%, 33.3%, 28.3%, Claude Sonnet 5는 53.3%, 18.7%, 7.3%의 정확도를 기록했으며, 30명의 사람 기준선은 80.8%, 68.8%, 64.3%로 모든 과제에서 두 모델을 앞질렀다. 형식이 맞는 응답이 실제로는 공간 구조 복원 실패를 가리는 경우가 많다는 점을 보여준다.

• •지각·OCR·추론이 뚤섞인 기존 벤치마크와 달리 순수 공간구조 재구성 능력만 측정하는 StateSight 제안
• •큐브넷 반대면 추론, 가려진 큐브탑 세기, 4방향 연결요소 세기 등 3개 과제, 각 300개 프롬프트
• •GPT-5.5 정확도 59.3%/33.3%/28.3%, Claude Sonnet 5는 53.3%/18.7%/7.3%
• •30명 사람 기준선(80.8%/68.8%/64.3%)이 모든 과제에서 두 모델을 크게 앞서
• •형식상 완벽한 응답도 실제 공간 추론 실패를 감출 수 있음을 시사