TuringSpace 基准发布:顶级多模态模型空间验证码仍错约26%

宾大、明尼苏达、USC、Meta、MBZUAI 等机构联合发布 TuringSpace 基准,包含 125 个交互式空间验证码组成的合成网页环境,覆盖五种空间能力,要求模型像人类一样点击、拖拽并根据反馈自我纠错。测试显示人类成功率达 94.1%,而顶级多模态大模型(包括 GPT-6)仍有约 25.9% 的失败率,暴露出现有模型在交互式空间智能上的明显短板。

2026-11-20 ~ 2026-11-21 · 2 条相关