liushiliushi/Learn2Play-Bench
常见Agent测试把任务规则写进说明书，模型可能只是把会做的题又做了一遍。《Learn2Play Bench》换成20种新设计的文字游戏：规则藏起来，有些还故意违背直觉。Agent要玩几轮，从动作与反馈中推断规则，再拿后来几轮验证。论文10月6日有初稿，10月8日修订；公开仓库提供20个游戏模板，读者可自己玩，但它目前是匿名评审用的代码快照，不含全部人类玩家记录。
仓库状态可能随时间变化，开放范围与使用条件请查看项目自身的许可证和说明。