AI遇到怪現象會追問嗎？LongChang測試模型能否找出隱藏規則 | LIFE生活網

• 香港科技大學（廣州）等機構團隊提出LongChang評測，測試語言模型能否在改寫物理規則的模擬房間中自由探索並發現隱藏規則。 • 在15個模擬場景中，只有GPT-6-Astra在作者設定的評分標準下，於42次測試中取得16.7%的發現率，能同時辨識規則並提供實驗支持。 • 評測方法要求模型不僅要發現異常、提出問題，還需透過實驗找出模擬世界的規則，並以足夠的探索紀錄支持解釋。 • 雖然GPT-6-Astra在實驗支持方面表現較好，但規則正確性仍有待加強，顯示AI在科學探索上仍有進步空間。 • 雖然部分測試紀錄和示意圖已公開，但完整的執行程式碼和模擬環境仍待釋出，限制了研究者進行獨立驗證。