本研究探讨了大型语言模型（LLM）评估方法的滞后问题，提出了LLM心理测量学这一新领域，旨在通过心理测量工具提升LLM的评估，促进人本中心AI系统的社会利益实现。

本研究提出了一种心理测量框架，定义了五种基本空间能力，并对13种视觉语言模型进行了基准测试，结果显示其表现明显低于人类，为空间智能评估提供了工具和方法论基础。