Bilanz der Quelle: Ein am 24. September veroeffentlichtes arXiv-Preprint stellt ExplorationBench vor, ein Framework fuer die Bewertung wissenschaftlicher Exploration von KI-Systemen. Es basiert auf verifizierbaren Alien Worlds, deren Regeln ausfuehrbar sind, sodass jede Antwort exakt geprueft werden kann, und die dem bekannten Wissen widersprechen, sodass reines Abrufen aus dem Pre-Training die Aufgaben nicht loest. Die beiden Sandboxes AlienCode (31 Entdeckungsziele, 70 Aufgaben) und AlienLogic (24 Entdeckungsziele, 70 Aufgaben) liefern jeweils ein fehlerhaftes Handbuch, aufgabenspezifisches Feedback und ein eigenes Tool-Call-Schema; geprueft wird anschliessend an zurueckgehaltenen Aufgaben.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
