ニュース
复旦大学与腾讯混元提出 ExplorationBench，评估模型探索陌生规则的能力
复旦大学与腾讯混元团队公开 ExplorationBench，要求模型在陌生规则沙盒中通过实验、反馈和验证学习，而非只凭已有知识作答。
ExplorationBench 的研究说明提出两套刻意改变规则的环境：AlienCode 与 AlienLogic。模型只拿到可交互沙盒和不完整手册，需要自行设计探针，归纳规则并回答留出题。
团队称两套环境合计设有 55 条规则和 140 道测试题，使用程序化判定而非 LLM 裁判。这是针对单次会话内探索能力的基准，并不直接衡量跨会话长期学习。