复旦、混元发布新基准ExplorationBench：评测大模型的探索能力

复旦、腾讯混元与清华团队发布新基准ExplorationBench，专门衡量AI系统在完全陌生环境中的自主探索能力。该基准构建了规则被悄悄修改的“异星世界”（如AlienCode和AlienLogic），要求模型在无现成知识的情况下通过交互试错发现规律。