腾讯混元联合复旦清华发布ExplorationBench

2026年10月9日，腾讯混元通过官方X账号宣布，联合复旦大学、清华大学发布 ExplorationBench 基准，用于衡量 AI 系统探索未知规则的能力。该基准构建了可验证的 Alien Worlds 沙盒，包含两部分：AlienCode 含 31 条隐藏规则改动、70 个任务；AlienLogic 含 24 条修改的推理规则、70 个定理。答案由解释器或证明检查器评分，不使用 LLM 评判。在 10 个前沿 AI 系统上的测试显示，获得反馈比单纯思考更有效：AlienCode 最佳成绩从首轮不足 15.7% 提升至四轮后的 89.0%，而同样轮次无反馈仅停留在 0.5%–11.0%。官方表示代码即将发布，地址为 GitHub 上的 Tencent-Hunyuan/ExplorationBench。目前尚无后续跟进报道。

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。