ATLAS

ATLAS 是一个专注于评估 AI 模型实时学习能力的创新基准测试，基于 2026 年 Google DeepMind 论文《Measuring Progress Toward AGI: A Cognitive Framework》提出的认知框架。该框架将学习能力分解为六种子类型，而 ATLAS 正是针对这一核心认知能力的评测工具。

核心功能

ATLAS 通过程序生成的交互式环境，要求模型在实时试错中自主发现隐藏规则。与依赖训练数据中已有知识的传统基准不同，ATLAS 确保每个游戏都是全新的学习问题，模型无法通过记忆或检索来获取答案，从而真正考验其即时适应与推理能力。

主要特性

• 程序化生成环境：每次测试都创建独特的交互场景，避免数据泄露和记忆效应。
• 六维学习分解：基于认知框架，覆盖联想、归纳、类比等六种学习子类型。
• 实时试错机制：模型必须通过主动探索和反馈循环来掌握规则。
• 零知识依赖：所有问题均无法从训练数据中查找，强制模型进行在线学习。
• 可扩展性：环境参数可调，支持从简单到复杂的渐进式评测。

适用场景

ATLAS 适用于 AI 研究人员、开发者及评测机构，用于衡量模型在动态环境中的学习能力，尤其适合评估通用人工智能（AGI）的进展。它也可作为强化学习、元学习等领域的标准化测试平台，帮助识别模型在适应新任务时的优势与短板。