Bilanz der Quelle: Ein am 24. September veröffentlichtes arXiv-Preprint stellt ExplorationBench vor, ein Framework für die Bewertung wissenschaftlicher Exploration von KI-Systemen. Es basiert auf verifizierbaren Alien Worlds, deren Regeln ausführbar sind, sodass jede Antwort exakt geprüft werden kann, und die dem bekannten Wissen widersprechen, sodass reines Abrufen aus dem Pre-Training die Aufgaben nicht löst. 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; geprüft wird anschliessend an zurückgehaltenen 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.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
