复旦、腾讯混元与清华推出 ExplorationBench：55 个改动规则测试 AI 真探索能力

复旦大学、腾讯混元与清华大学研究者发布 ExplorationBench，以 55 个改动规则目标测试 AI 发现陌生规则而非复述已记住知识的能力。模型权重保持冻结，通过四轮反馈交互探索，并以 140 个 held-out 任务检验迁移，共测试 10 个模型和三条独立探索路径。在 AlienCode 上，最佳初始得分仅为 15.7%，但最强探索轨迹带来显著提升，显示主动探索仍是现有模型的瓶颈。