ExplorationBench：衡量 AI 系统探索可验证异世界的能力
ExplorationBench 是一项评测基准，用于检验 AI 系统能否通过探索学习并应用陌生规则。它采用两个规则可执行的模拟异世界，因此答案可以得到精确验证，也无法仅凭熟悉的已有知识完成任务。在每个环境中，系统会获得一份有缺陷的手册、针对任务的反馈和实验工具，随后解决未见过的任务。对 10 个 AI 系统的评测显示，能力较强的系统能够习得并应用陌生规则。不过，不同探索过程的表现差异显著，继续探索有时会使此前的进步停滞甚至倒退。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。