#ExplorationBench

共 1 条 · 7 天 1 条 · 30 天 1 条

AI安全 1 推理模型 1 评测基准 1

信息流里打上「ExplorationBench」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月25日

论文 Agent 与开发者10:33

ExplorationBench 发布：用可验证的异星世界评测 AI 科学探索能力

这个评测思路挺聪明：造出规则完全陌生的异星世界，模型没法靠背题，只能真去探索。评测了 10 个系统的表现，结果有些意外。

#ExplorationBench #AI安全 #推理模型 #评测基准

arXiv cs.AI@Ming Zhang 等 20 人原文