MM-SA-Bench： 面向态势理解的大模型能力评测基准。

在复杂对抗博弈环境中，策略生成的前提是对态势的准确理解，态势理解（Situation Awareness, SA）不仅是决策的起点，更是支撑高阶策略推理的基础能力。尤其在兵棋推演等模拟对抗环境中，参与方需要在信息不完全、行动非对称的情境下迅速感知战场态势，识别关键目标、分析协同关系并判断局势变化趋势，从而做出具有前瞻性的行动规划。

根据军事认知与战场建模领域的研究共识，态势理解能力通常可以划分为以下三大核心任务：
• 目标识别： 包括对战场中关键地形、敌我兵力与要素的感知与识别，是获取基本信息的第一步；
• 关系识别： 即理解各个要素之间在空间位置、功能协同、任务关联上的逻辑与动态关系；
• 综合态势分析： 基于目标与关系的识别，进一步完成对战场整体态势的理解，包括局部优劣判断、控制点归属趋势、潜在威胁评估等。
这三类任务构成了战术层决策前的认知闭环。我们在 MM-SA-Bench 中设置了与之严格对应的三类选择题型，旨在对大语言模型在“从感知到理解”的路径中进行逐层、系统性的能力评估。

在复杂博弈任务中，对当前环境、局势的深刻认知是进一步对对手意图建模、生成策略的前提，若无法准备识别态势，则策略推理就无从谈起。态势理解是策略推理任务中的逻辑起点与核心基石，它不仅决定了模型能否准确构建当前世界状态（World Model），更影响其能否在此基础上展开可解释、可控且符合博弈逻辑的推理过程。正因如此，任何旨在评估大模型博弈推理能力的基准体系，都应首先回答：模型是否真正理解了态势？

当前主流大语言模型在开放领域中已展现出较强的语言组织、常识推理与范式学习能力，但在结构化信息感知、空间推理、多要素协同理解等方面，仍存在显著不足。典型挑战包括：
• 空间关系理解能力弱： 模型缺乏对位置、方向、距离等几何关系的系统建模，难以有效解析兵棋语境中“X单位在Y点北侧、与Z单位形成夹击”等空间描述；
• 跨模态信息整合不足： 尽管一些多模态模型已具备图文理解能力，但在战场态势图与战斗简报之间实现联动性分析仍较困难；
• 多因果链条处理能力欠缺： 面对复杂的协同关系和多步推演场景，大模型往往难以生成合理的解释或预测后果。
这些问题限制了当前大语言模型在战场环境中的可靠应用，也使得策略生成能力面临“语义脱实”的风险。

为弥补上述空白，我们构建了 MM-SA-Bench，一个聚焦于态势理解任务的大模型评测基准。不同于以往通用语言推理数据集，MM-SA-Bench 基于“庙算”兵棋平台数十万场真实复盘数据构建，具有以下特点：
• 数据真实复杂： 覆盖6大类、30小类典型兵棋对抗环境，场景丰富，信息结构多样；
• 任务紧贴实战： 三类任务源自实际作战规划逻辑，考察模型对兵棋语境的真实理解；
• 形式结构统一： 全部采用选择题形式，便于模型评估与横向对比；
• 测试认知边界： 任务设计上注重信息压缩、歧义干扰、因果链条，挑战大模型理解能力的极限。

作为 WGSR-Bench 战略推理基准的重要组成部分，MM-SA-Bench 可用于验证大模型在认知链条“前端”的基础理解能力是否达标，为后续的策略推理、博弈建模与协同行为生成提供坚实基础。