腾讯混元推出 EvolveScaler，将世界定义为可执行状态机再渲染成自然语言，模拟记录被撤回、修正、回填的信息演化场景。该基准含 117 个原型、159 个问题算子、5 个难度层级，单样本最多约 1200 个事件；14 个前沿模型在最难层级上 avg@5 中位数降至 11.3，而用它训练可在 8 个分布外基准上平均提升 5.25。