提出ExplorationBench评测AI探索能力
热点事件持续更新
提出ExplorationBench评测AI探索能力
1 篇报道1 个报道来源2 小时前更新
先了解这件事
报道摘要
研究者推出 ExplorationBench，用规则可执行、与已知知识冲突的 Alien Worlds 评估 AI 系统的科学探索能力，包含 AlienCode（31 个发现目标、70 个任务）和 AlienLogic（24 个发现目标、70 个任务）两个沙盒。对 10 个 AI 系统的评测显示，最强系统能习得并应用陌生规则，但表现随轨迹差异显著，持续探索可能停滞甚至逆转此前的进展。
摘自 arXiv cs.CL
最新进展10月9日 12:00
ExplorationBench：在可验证的 Alien Worlds 中测量 AI 系统的探索能力报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.CLExplorationBench：在可验证的 Alien Worlds 中测量 AI 系统的探索能力
研究者推出 ExplorationBench，用规则可执行、与已知知识冲突的 Alien Worlds 评估 AI 系统的科学探索能力，包含 AlienCode（31 个发现目标、70 个任务）和 AlienLogic（24 个发现目标、70 个任务）两个沙盒。对 10 个 AI 系统的评测显示，最强系统能习得并应用陌生规则，但表现随轨迹差异显著，持续探索可能停滞甚至逆转此前的进展。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。