SciGame 是一个受控基准，将科学文献转化为结构化的科学卡。每张卡提供一对原始和维度一致的反事实环境，任务接口保持相同。基准包括历史集合，收录经典定律，以及时间集合，挑选模型知识截止后发表的论文。评估分为候选引导的识别和开放式发现两种设置，每种在仅先验、固定和自适应三种协议下运行。实验使用五个前沿模型得到三条主要结论：熟悉的先验在支配关系被改变时会降低性能；自适应实验在预算有限时提升最强模型，却对较弱模型有害；好的解释可能掩盖定量错误。即使代理能够正确解释证据，恢复精确的符号形式仍是主要瓶颈。当前代理可以主动探索系统，但在陌生情境下诱导精确定律仍未解决。点评