Import AI 469：Science AI、RSI模拟器和扎克伯格的技术悲观主义

Import AI 469期介绍了DiG-bench评测基准，该基准包含70个游戏用于测试AI系统发现环境规则的能力。Opus 5和Fable 5表现最佳，但整体上当前前沿模型仍难以完成高难度任务。文章还讨论了Paradigm Research开发的RSI模拟器游戏和Inherent公司构建的AI科学家模型Faraday。