待验证50% 置信发布精确时间

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

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/1

首次发现

有效期至：2026/12/30

来源

Gemini 4 Argon登顶Text Arena，Anthropic称AI攻克数学难题

涉及实体

腾讯company 复旦大学company 清华大学company Exploration Benchproduct

相关事实

待验证研究团队开发了ARC-Bench基准测试，专门审计JEPA风格的世界模型是否能正确排序候选动作68% 相似待验证学术界正在探索针对AI流体求解器的专门验证标准，包括基准测试集、不确定性量化方法、域外推能力评估66% 相似待验证WebArena、OSWorld等基准测试环境用于标准化智能体任务的评估框架65% 相似待验证UC-Bench是一个由人工标注、专门用于评估用户侧冲突检测能力的基准64% 相似已验证SWE Bench是由普林斯顿大学提出的软件工程基准测试，专门评估AI模型解决真实GitHub Issue的能力64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/963891

API

curl https://kongchang.com/api/v1/knowledge/claims/963891

MCP

get_claim(id=963891)