核心信息

腾讯混元、复旦大学与清华大学研究人员发布 ExplorationBench，用于衡量 AI 系统的探索能力，基于规则可执行、且与常识相冲突的“异世界”沙盒构建。

要点

  • 基准面向科学发现能力：提出假设、设计实验、从结果中学习
  • 异世界规则可执行，因此每个答案都能被精确校验
  • 规则刻意与常见知识冲突，仅靠记忆无法解题
  • 包含两个沙盒：AlienCode 含 31 条隐藏规则（原文后续截断）