复旦腾讯清华推出 ExplorationBench：55 个改动规则考验 AI 真探索能力
jiqizhixin · x · 2026-10-31
复旦大学、腾讯混元与清华大学的研究者发布 ExplorationBench，用于测试 AI 系统能否发现陌生规则、而非复述已记住的知识。
- 设计：在可验证环境中故意改动熟悉的编程与逻辑惯例——31 条改动编程规则 + 24 条改动逻辑规则构成 55 个发现目标，另有 140 个 held-out 任务检验探索是否产生可迁移的理解。
- 机制：模型权重保持冻结，通过四轮反馈交互进行探索；单独的评估副本测试学到内容，避免 held-out 答案泄露；共测试 10 个模型、三条独立探索路径。
- 结果：在 AlienCode 上，最佳初始得分仅 15.7%，而最强探索轨迹带来显著提升（原文截断），说明现有模型初始主要靠记忆，主动探索能力仍是瓶颈。
「研究」频道最新
- AI 时代何为「科学发现」？ICLR 2027 提案 SCOPE 研讨会聚焦争议 — mariyaivasileva · 2026-10-31
- 机器人操作新基准 MolmoSpaces-CommonSense:所有策略无一超过 30% — RanjayKrishna · 2026-10-31
- 用培养脑细胞做视频模型：mischief 1 上线，每秒仅 0.5 美分 — evilsocket · 2026-10-31
- 斯坦福 CS336 笔记:Percy Liang 讲透 Scaling Laws 的思维方式转变 — stanfordnlp · 2026-10-31
- VGGT 3D 模型微调新法：按纹理几何光照拆分可复用 LoRA 方向 — burkov · 2026-10-31
- Moondream 发布 RefCOCO-M：像素级掩码、清除问题标注的指代分割评测集 — victormustar · 2026-10-31