一句话定义：开放式探索（Open-Endedness）指智能体在没有预设任务、没有通关条件、也没有“结束”信号的环境里，自己决定要做什么、自己给自己出题，并持续产生新行为；这既是一种能力，也正在成为一种评测方式。
把模型放进虚拟荒岛
有一类实验是这样做的：把一个大模型放进一个简单的虚拟世界，里面有地形、可交互的物件、昼夜循环，但没人告诉它“收集十个木头”或者“五分钟内通关”。它唯一的输入，就是自己看到的世界和过去做过的事。
常见的现象是：它不会傻站着等指令。它会先乱按几下，发现某个动作能改变世界，然后重复、扩展、给自己定小目标——到处走走看看、试着造点东西、反复验证某个机制会不会再次触发。没人给它发奖励，它自己把“奖励”造了出来，开始“玩”。
它和普通 benchmark 差在哪
普通基准测试（benchmark）像一张考卷：题目是人出的，做完交卷，按对错打分。开放式探索更像把孩子放进一间空房间，只给几样玩具，然后观察他两小时后在干什么——重点不在于他答对了几道题，而在于他能不能自己找到事情做，并且越做越复杂。
| 维度 | 普通 benchmark | 开放式探索评测 |
|---|---|---|
| 任务从哪来 | 人预先写好题库 | 智能体自己决定 |
| 何时结束 | 做完固定题量 | 没有终点，只看一个时间窗口 |
| 怎么算好 | 准确率、通过率 | 行为是否多样、连贯、能否持续冒出自我设定的目标 |
| 典型失败 | 答错 | 原地打转、反复做同一件事、干脆“躺平” |
| 时间尺度 | 分钟级 | 小时级甚至更长 |
容易混淆的几个邻居
强化学习里说的探索（exploration），是为一个明确的外部奖励服务的“试探”；开放式探索没有那个终点奖励。自动课程学习（automatic curriculum learning）关心的是“怎么源源不断生成新任务”；开放式探索更关心“被评测的那一方在没人出题时会干什么”。沙盒游戏里的 AI 角色往往只是工程演示，而开放式探索把它当成测量长时智能的尺子。
对从业者和普通人的意义
做智能体的人会发现，这类环境最能暴露长时运行的真实毛病：上下文（context）越滚越乱、目标漂移、陷入重复循环、不知道什么时候该停。它也更容易让“钻空子”（reward hacking）提前露头。评测指标正从“答对多少”转向“行为轨迹的质量”，具体怎么定义各家不同，以官方页面为准。
对普通职场人，它提示了一件事：模型的价值正在从“你问它答”转向“给它一个环境，它能不能自己长出工作节奏”。能把任务说清楚是本事，能在一个没人布置作业的地方不闲着，是另一种本事。