实体 DiG-bench

DiG-bench

PulseAugur coverage of DiG-bench — every cluster mentioning DiG-bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_199967 · Aug 14 · 04:00

新的DiG-bench基准测试AI在游戏中的知识发现能力

研究人员推出了DiG-bench，这是一个新的基准测试，旨在评估AI在受控游戏环境中通过实验发现新知识的能力。该基准测试包含70个独立的、具有独特未知转换规则和获胜条件的关卡，分为七个难度等级。虽然最简单的关卡可以被多个模型解决，但最具挑战性的关卡则挑战了当前AI能力的极限。其中21个关卡的一个子集已公开，其余关卡将用于安全评估。