BabyTheorist：仅凭观察学习世界理论的评测基准

研究团队推出评测基准 BabyTheorist，旨在受控训练并评估机器仅凭纯粹观察构建可复用世界理论的能力。该基准通过隐藏的组合程序生成前后对比的连续视觉观察流，训练过程中不提供程序标签、任务标识或支持集。测试显示 7 种代表性基线模型表现均远低于上限，且差距随着课程复杂度增加而进一步拉大。