arXiv 人工智能· Guanghan Ning, Ping Liu, Linyi Li, Huangjie Zheng, Arjun Neervannan, Huu Nguyen, Michael Sklar, Deniz Zorlu, Nicolai Ouporov·· 1 天前AI 评分53
研究提出交互式规则解谜基准 WITNESS 评估智能体环境探索与规则推断能力
Witness: Discovery, Deciphering, and Epiphany in Interactive Puzzle Environments
AI 导读
研究团队推出基于 2D 网格的交互式规则解谜基准 WITNESS，用于评估智能体在无先验规则下通过实验推断隐藏规则并达成目标的能力，18 款前沿模型在私有测试中最高仅解决 24% 关卡。
来源：arXiv 人工智能 · arxiv.org