본 논문은 다단계 공간 추론 능력을 평가하기 위해 레고 조립 과제를 기반으로 한 새로운 벤치마크인 LEGO-Puzzles를 제시합니다. LEGO-Puzzles는 1,100개의 시각적 질의응답(VQA) 샘플과 레고 이미지 생성 과제로 구성되어 있으며, 다양한 수준의 공간 이해 및 순차적 추론 능력을 평가합니다. 최첨단 다중 모달 대형 언어 모델(MLLM)들을 LEGO-Puzzles를 이용하여 평가한 결과, 대부분의 MLLM들이 공간 추론 능력에서 상당한 한계를 보이는 것을 발견했습니다. 인간 참가자의 정확도가 90%를 넘는 반면, MLLM들은 절반 정도의 정확도만을 보였습니다. 특히, 레고 조립 설명서를 따른 이미지 생성 과제에서는 Gemini-2.0-Flash와 GPT-4o만이 제한적인 성공을 거두었습니다. 결론적으로, LEGO-Puzzles는 기존 MLLM의 공간 이해 및 순차적 추론 능력의 부족을 보여주며, 다중 모달 공간 추론 분야의 추가적인 발전이 필요함을 강조합니다.