ULTRADISCOVERY基准发布：AI溯因探索能力受限

研究者 Weihan Li 等人发布交互式基准 ULTRADISCOVERY，包含五个领域，用于测试 AI 智能体在认知开放与结构互联条件下修正已有理论、预测未见跨域干预结果的能力。 在 2×2 设计中，当表征保持开放时，十一个模型常撤回被教授的 axiom，且无一引入未观测实体或重写变量；披露表征后，干预请求增至三倍，但仅多出约十八项发现中的一项。没有任何系统能在 200 次付费动作内做出精确预测，更大预算下也仅在有辅助时出现一次精确预测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。