DiG-bench：评估前沿大模型「发现能力」的文本基准
AndrewLampinen · x · 2026-08-12
回复了关于新基准测试 DiG-bench 的讨论。原帖指出，DiG-bench 是一个全新的发现能力基准，它通过纯文本环境下的“发现游戏”来测试前沿 AI 模型，从而排除了视觉理解的干扰。回复者则针对原帖中提到的“每个游戏至少被一名人类首次尝试就攻破”这一细节，进一步追问了人类的尝试次数（pass at K）以及测试人群的来源。
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