Spatial CAPTCHA：用于人类-机器区分的空间推理生成式基准测试
人工智能
2025-10-07 v1 密码学与安全
摘要
在线服务依赖 CAPTCHA 作为防御自动滥用的第一道防线，但近期多模态大语言模型 (MLLM) 的进展已削弱了聚焦文本识别或二维图像理解的常规 CAPTCHA 设计效力。为此，我们提出 Spatial CAPTCHA——一种新型人类验证框架，利用人类与 MLLM 在空间推理方面的根本差异。不同于依赖易受现代 AI 攻击的低层感知任务的现有 CAPTCHA，Spatial CAPTCHA 生成需要几何推理、视角转换、遮挡处理与心理旋转等动态问题。这些技能对人类而言直观易懂，却困难于当前最先进 (SOTA) AI 系统。该系统采用约束式难度控制、自动正确性验证与人类在环验证的程序化生成管道，确保可扩展性、鲁棒性与适应性。在对应的基准测试 Spatial-CAPTCHA-Bench 上的评估显示，人类显著优于 10 种 SOTA MLLM，其中最佳模型仅实现 31.0% 的 Pass@1 准确率。进一步与 Google reCAPTCHA 进行比较，证实了 Spatial CAPTCHA 作为安全机制和 AI 空间推理诊断工具的有效性。
引用
@article{arxiv.2510.03863,
title = {Spatial CAPTCHA: Generatively Benchmarking Spatial Reasoning for Human-Machine Differentiation},
author = {Arina Kharlamova and Bowei He and Chen Ma and Xue Liu},
journal= {arXiv preprint arXiv:2510.03863},
year = {2025}
}
备注
Submitted to ICLR 2026