# Induction Labs intrinsic discovery 累積探索狀態；其 world model 在 AgentWorldBench-Terminal-V2 子集勝過 GPT-5.6 Sol > 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt) > 原作者：Induction Labs (@induction_labs) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-08-28 > 原始來源：https://x.com/induction_labs/status/2093015104434631065 ## 證據與延伸閱讀 - [Induction Labs intrinsic discovery 累積探索狀態；其 world model 在 AgentWorldBench-Terminal-V2 子集勝過 GPT-5.6 Sol。](https://inductionlabs.com/news/intrinsic-discovery) — 官方文件 · 最後核對：2026-08-28 · 支持主張：研究文章補足了 GRPO 如何在已探索狀態停止得分後把 rollout 推向新觀察、跨模型的 unique command/library 比較、matched-budget ablation，以及 held-out AgentWorldBench-Terminal-V2 與 judge/重生環境的限制。 - [Induction Labs 推出 intrinsic discovery 無人監督探索](https://x.com/induction_labs/status/2093015104434631065) ## 中文摘要 Induction Labs intrinsic discovery 累積探索狀態；其 world model 在 AgentWorldBench-Terminal-V2 子集勝過 GPT-5.6 Sol。 **方法設計**：這套方法以「相對於過去已發現狀態的新穎性」作為 intrinsic reward，重點不是培養最終的 explorer policy，而是建立跨 rollout 累積的 archive。當已探索狀態不再提供 novelty reward，GRPO 會更新 explorer，促使後續 rollout 尋找不同觀察；因此，探索多樣性來自長期累積，而非要求模型在單一時間點立即產生多樣行為。 - 在 `gpt-oss-20b`、`Qwen3.6-35B-A3B` 與 `gpt-oss-120b` 上，研究者表示，相較 frozen-policy baseline，方法找到的獨特 shell command 與 Python library 多出三至五倍。 - 研究將 archive 的累積多樣性，與單次 rollout 的 diversity 分開評估，避免只用單次行為判斷探索品質。 > 顯示 Induction Labs 平台以新穎觀察獎勵模型在開放環境探索 terminal 狀態的互動地圖與累積發現狀態折線圖 **下游結果**：研究者在 matched budgets 下，比較以 intrinsic-discovery 資料和 frozen-policy 資料訓練的 world model，而不只比較獨特 command 或 library 的數量。一項 ablation 中，前者在內部 TerminalWorldBench 取得 64.8 條 trajectory，後者為 50.9。由 Qwen 資料衍生的 Terminal-35B-A3B world model，則在 AgentWorldBench-Terminal-V2 的 held-out 子集擊敗 GPT-5.6 Sol；該子集在探索階段之外重新生成並過濾。 **研究限制**：Induction Labs 明確指出，unique commands 與 libraries 只是可能被操弄、且不完美的 proxy；world model 的下游改善是另一項獨立證據，不能直接由 proxy 數量推導。評測也使用重新生成與過濾的環境，並由 GPT-5.6 Luna xhigh 擔任 judge，因此結果不是普遍性的能力分數。作者將 intrinsic discovery 定位為早期研究，尚未證明其具備 production robustness。 ## 標籤 新產品, 研究論文, World Model, GPT, OpenAI