用原始与量纲一致的反事实环境，区分规律推断、编程能力和预训练记忆。
推荐理由：基准为同一科学任务构造原始与量纲一致的反事实世界，可检验智能体依赖观测证据还是背诵既有规律；这是测量真实科学归纳能力的关键隔离设计。
阅读原文