复旦与腾讯混元等联合发布 ExplorationBench，评测大模型自主探索能力

复旦大学、腾讯混元与清华大学联合发布评测基准 ExplorationBench，构建了 AlienCode 和 AlienLogic 两个规则被修改的沙盒世界，用于评测大模型在未知环境中自主提出假设并摸索规律的能力。实测十个前沿模型显示，环境反馈对探索至关重要，自主设计探针的效果普遍优于固定探针或仅靠内部思考；同时模型即使正确说出规则也不代表能稳定用对，且不同轨迹间表现出极大的波动性。