**TuringSpace:通过交互式验证码将空间智能落地于屏幕动作**

_TuringSpace: Grounding Spatial Intelligence in Action with Interactive CAPTCHAs_

> TuringSpace 是一个包含 125 个交互式 CAPTCHA 的合成网页环境,旨在通过点击和拖拽等屏幕动作来测试和训练多模态大语言模型(MLLMs)的空间智能。该数据集覆盖了五种空间能力,并具备可扩展的训练功能。实验表明,人类能解决 94.1% 的任务,而当前最佳模型 GPT-6 Astra 和开源模型 Kimi K3 的通过率显著较低。通过对 Qwen3.5-9B 在该环境上进行微调,其成功率大幅提升至 33.1%,并成功泛化到真实世界场景,证明了将空间智能锚定于屏幕动作是提升 MLLM 空间理解能力的有效途径。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-20 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.25387)