MNIST-PRO 基准：将 MNIST 改造为面向 AI 智能体的部分可观测环境

研究者提出 MNIST-PRO 基准，把 MNIST 数字识别改造成带回看约束的序列化瞥视搜索任务，以隔离评测智能体的感知状态构建能力。评测覆盖十个多模态模型和四种记忆表征，发现模型在全可观测下表现良好，但部分可观测下暴露三类瓶颈：难以整合碎片化瞥视、过早停止探索、面对矛盾证据时难以修正早期错误信念。