复旦与腾讯混元等发布探索能力基准ExplorationBench

复旦大学、腾讯混元与清华大学联合发布评测基准 ExplorationBench，用于衡量 AI 系统能否通过与环境交互自行发现规则。该基准设置 AlienCode 和 AlienLogic 两个沙盒世界，其中的规则会被改写，考察模型在规则变化后能否自行探索出新的规则。 腾讯混元称，这是一项专门衡量 AI 系统如何“探索”的新研究。目前公开信息只说明了基准的构成与用途，未披露参评模型的具体成绩。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。