#Faraday の記事一覧（1）

DiG-benchとは？ルールを教えずにAIの「発見力」を測る70本のゲーム型ベンチマークを解説

Import AI 469号が紹介したDiG-bench（Discovery in Games）は、ルールも目的も隠したまま70本のテキストゲームをAIに解かせ、「対話しながら世界の法則を推測できるか」を測る新ベンチマークです。Opus 5とFable 5がClaude Code併用で最高成績ながら、最難関のTier 7は0.2しか突破できず、人間には全ゲームをクリアした個人がいます。