70个隐藏规则文字游戏：全新AI探索发现基准 DiG-bench
jcrwhittington · x · 2026-08-12
为评估 AI 在未知环境中的真实探索与科学发现能力，研究者推出了 DiG-bench 基准。该基准包含 70 个独立的文字探索游戏，每个游戏都构建为一个极简的字符串世界（例如玩家以箭头形式在其中“行走”）。
核心特点如下：
- 隐藏规则：游戏的操作方式与胜利条件均未公开，AI 必须通过纯粹的实验和试错来摸索机制。
- 难度分级：设定了 7 个难度梯队，专门针对当前前沿大模型进行校准。游戏极具挑战性，但保证有解（每个游戏至少有一名人类能在首次尝试时通关）。
- 安全评测：21 个游戏公开，其余 49 个保持私密，以确保模型评估的安全性与防作弊。
作者指出，AI 若要在未来真正实现科学发现，而非仅仅组合现有工具，必须先证明其能在最基础的设定中完成“发现”任务。
所属事件:DiG-bench：70个文本游戏测出前沿AI发现短板(14 条相关)→
「研究」频道最新
- Sakana AI 科学家将在首尔大会演讲「自进化 AI」之路 — Stefania_druga · 2026-10-16
- Lean v4.35.0 自带四个已验证内核，其中之一由 Claude 写成并自证一致 — geoffreyirving · 2026-10-16
- MP-Bench：语音 Agent 群聊插话判断仅与抛硬币相当 — solyarisoftware · 2026-10-16
- 对 Qwen3-8B 做神经元级 GWAS+PheWAS，定位安全相关神经元 — Sauers_ · 2026-10-16
- 770B 参数压进 214GiB：腾讯混元量化团队拆解 Hy4 Preview 压缩术 — coolmum18 · 2026-10-16
- 200 局国际象棋实测：作者认为上下文学习目前并不奏效 — akbirthko · 2026-10-16