Import AI 469：科学 AI
来自 Import AI · 期号 2026-08-17
摘要
DiG-bench 是一个包含 70 个文本游戏的基准测试，用于衡量 AI 系统通过探索发现环境隐含规则的能力。 每个游戏都是一个自包含的微型世界，规则和目标都对玩家隐藏，必须通过交互来揭示。Opus 5 和 Fable 5（配合 Claude Code）表现最好，但在最难的第 7 层仅达到 20% 的成功率，而人类玩家可以做到 100%。 该基准测试由牛津大学、普林斯顿大学、MIT 等机构联合开发，Juergen Schmidhuber 是作者之一。大部分游戏保持私有，防止 AI 系统在训练中接触到。