一句话看懂：alphaXiv 收录的论文提出 BabyTheorist 基准，用连续、无标签的前后网格观察流，考察机器能否从纯观察中习得可复用的“理论”；七种代表性基线均未通过 Level 2，说明现有程序学习方法尚未解决这一能力。
事件核心：发生了什么
该论文提出“观察式理论学习”：学习者只看前后视觉观察，从中提取可复用的规则，并迁移到新情境。BabyTheorist 由隐藏的组合程序生成连续观察流，训练时不提供程序标签、任务身份或支持集。每个程序步骤由选择器和原子操作组成，选择器决定作用于哪些对象，原子操作决定移动、旋转或改色等变化。课程共 8 个层级，程序深度逐级增加，还设置频繁出现的子程序和多模式（Multi）变体。每个层级训练含 25 万条未分组观察，并通过 1 万组支持—查询任务评测；主要指标 SCORE 累计各层终评成绩。摘要显示，在本文设定下，七种代表性基线均未越过 Level 2，Multi 模式下部分基线连 Level 1 都未通过。
为什么重要
现有视觉推理基准通常按同一规则把示例打包成少样本任务，更多考察规则推断与应用，而非规则最初如何习得。BabyTheorist 把重点前移到“从无标签经验中形成理论”，并要求在新输入上复现。这对程序学习、抽象推理和持续学习方向提出了更接近真实经验流的评测方式。目前公开信息仅来自论文摘要，尚不清楚完整实验细节和同行评审状态。
对用户/开发者/创作者的影响
对开发者而言，该基准提示仅拟合示例输出并不等于掌握规则，做视觉推理或 AI 应用时需关注模型在新任务上的泛化。对研究者，隐藏程序语言、课程复杂度和层跳机制可作为复现实验的设计参考。对普通用户，这仍是研究层面的评测，并非可用的产品功能，短期不宜据此判断某款大模型的实际能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是完整论文是否公开各基线的具体分数与失败类型；二是后续是否出现能通过更高层级的模型或方法；三是该基准能否扩展出开源实现和公开排行榜，影响视觉推理评测生态。
来源：alphaXiv
