TuringSpace 基准:交互式 3D 验证码,人类 94.1%,顶级 MLLM 仍 fail 25.9%

jiank_uiuc · x · 2026-11-21

来自宾大、明尼苏达、USC、Meta、MBZUAI 等机构的论文提出 TuringSpace:125 个交互式空间验证码,模型必须像人一样在屏幕上点击、拖拽并根据结果自我纠正来解题,覆盖五种空间能力,每个任务由程序生成新实例并带校验器,也可作为可扩展的训练环境。

关键结果:

结论:把空间智能锚定在屏幕操作上,能暴露 MLLM 的短板,也提供了可规模化的教学路径。项目将开源。

所属事件:TuringSpace 基准发布:顶级多模态模型空间验证码仍错约26%(2 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →