研究团队发布DiG-bench游戏科学发现基准

研究团队发布 DiG-bench（Discovery in Games）基准，用于评估 AI 智能体在目标未知的环境中通过交互与实验发现规则的能力。 该基准包含 70 个独立游戏，每个游戏编码为短字符串并有独特变换规则，设七个难度等级，最高难度可挑战最强模型；全部 70 个游戏均至少有一名人类首次尝试即通过。其中 21 个游戏公开发布，其余保持私有用于安全评测。

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。