ULTRADISCOVERY交互式溯因探索基准发布，模型均未达标

Weihan Li 等在 arXiv 发布 ULTRADISCOVERY 基准：一个含五个领域的交互式世界，要求智能体在表示开放、证据跨情境分布的条件下修正已成功的理论，并预测未见过的跨域干预结果。论文用 2×2 设计独立控制表示是否披露、证据是否对齐，潜在动力学固定。 结果显示，在表示开放的条件下，11 个模型常会撤回已学公理，但不会引入未观察实体或重写替代理论所需变量。没有系统在 200 次付费动作内给出准确预测；扩大预算后仅有一个系统在两种辅助条件下各完成一次准确预测，Open 情境下始终不准确。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。