DiG-bench揭秘:70个手工文本游戏测AI自主探索能力
jcrwhittington · x · 2026-08-12
DiG-bench 包含 70 个自洽且互不相同的纯文本游戏世界，玩家（或 AI）需要通过实验探索来发现隐藏的规则和获胜条件。
这些游戏均为手工制作且未在互联网上公开过（21 个公开，49 个保留用于安全评估）。测试分为 7 个难度等级，所有游戏虽然困难但人类在首次尝试时均能通关，以此作为前沿 AI 模型探索能力的严格校准标尺。
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
- 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
- LARK-Lab 提出 Mosaic：跨会话的 Agentic 强化学习新范式 — LARK-Lab · 2026-10-16