AI 行业资讯 - ExplorationBench

腾讯混元联合复旦清华发布AI探索能力基准ExplorationBench

腾讯混元、复旦大学与清华大学研究人员发布ExplorationBench基准，用于衡量AI系统的探索能力。该基准构建了可验证的Alien Worlds环境，包含AlienCode（31条隐藏规则变更、70项任务）与AlienLogic（24条修补推理规则、70个定理）两个沙盒，答案由解释器或证明检查器评分。测试10个前沿AI系统发现：获得反馈比单纯思考更有效，最佳成绩从15.7%提升至89.0%；自主设计实验更优；知道规则不等于会使用规则；单一分数掩盖差异。