ExplorationBench基准发布
热点事件持续更新
ExplorationBench基准发布
2 篇报道2 个报道来源1 小时前更新
先了解这件事
AI 综述
研究人员Ming Zhang等团队正式发布名为ExplorationBench的基准测试，旨在解决评估AI系统科学探索能力的难题。 该基准通过可执行规则的外星世界环境，区分假设验证与知识回忆，包含AlienCode和AlienLogic两个各70项任务的沙盒。 系统提供工具调用架构供10个AI系统进行探索与任务求解，推动未知环境新知识获取与应用的评估，是迈向自主科学探索的关键一步。 早先报道主要描述为研究人员发布，后续报道称复旦、腾讯混元与清华团队联合发布，且腾讯混元与AI官方账号已对此进行推介。
AI 根据报道生成 · 1 小时前更新
最新进展10月20日 10:00
复旦、混元发布新基准ExplorationBench：评测大模型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20日
- 机器之心精选复旦、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。
10月9日
- arXiv · NLPExplorationBench：评估AI系统在可验证外星世界中的探索能力
ExplorationBench 基准发布，通过可执行规则的外星世界环境，解决科学探索中假设验证与知识回忆区分难题。 包含 AlienCode（70 任务）与 AlienLogic（70 任务）两个沙盒，提供工具调用架构供 10 个 AI 系统进行探索与任务求解。 该基准推动了 AI 系统在未知环境中获取并应用新知识的能力评估，是迈向自主科学探索的关键一步。
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。