待验证50% 置信发布精确时间
研究者推出了 AdaExploreBench，一个用于评估 evolving 环境中主动探索与测试时适应能力的基准。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证AdaExploreBench 的核心设计围绕两个挑战：主动证据获取和隐式规则漂移检测。77% 相似待验证腾讯会员联合复旦大学、清华大学发布探索能力评测工具Exploration Bench，通过构建与常识冲突、规则可验证的外星世界要求AI通过四轮实验修正假设64% 相似待验证OpenScience 的 Autoresearch 功能允许研究者给定一个评估指标后，系统自动运行实验、记录结果并进行爬山式优化62% 相似待验证AISI的评估采用多层次测试框架，参照CVE数据库中的真实案例，同时设计全新挑战场景测试模型泛化能力62% 相似待验证Anthropic、ARC Evals等机构曾设计实验观察模型是否会主动收集自身运行环境信息或在察觉评测意图后压制输出61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074027API
curl https://kongchang.com/api/v1/knowledge/claims/1074027MCP
get_claim(id=1074027)