arXiv · ML· Xuwei Ding, Skylar Zhai, Linxin Song, Jiarui Feng, Dongqi Fu, Huajun Xi, Junnan Li, Jingcheng Liang, Jieyu Zhao, Yinglong Xia, Hong Li, Jian Kang·· 16 小时前AI 评分40
TuringSpace:基于交互式 CAPTCHA 的空间智能基准测试
TuringSpace: Grounding Spatial Intelligence in Action with Interactive CAPTCHAs
AI 导读
TuringSpace 是一个包含 125 个交互式 CAPTCHA 的合成环境,涵盖五项空间能力。 人类解决率为 94.1%,GPT-6 Astra 失败 25.9%,Kimi K3 失败 68.0%。微调 Qwen3.5-9B 后成功率从 1.6% 提升至 33.1%。 该研究证明通过屏幕操作能暴露 MLLM 的空间缺陷,并提供可扩展的训练方式。
来源:arXiv · ML · arxiv.org