我们提出了 BabyTheorist，一个用于评估机器是否能够仅通过观察获得可复用理论的基准。核心能力是 observational theory learning：从纯粹的前后视觉观察中抽取潜在的组合程序，并在全新情境下进行推理。\n\nBabyTheorist 生成连续的前后图像序列，这些序列由隐藏的组合程序产生。训练阶段，学习者仅看到状态转移，没有程序标签、任务标识或支持集。为支持理论学习与评估，平台控制了程序语言、随难度递增的课程、经常出现的子程序以及带有层级跳跃的持续训练‑测试协议。\n\n在七个代表性基线模型上，性能在课程推进时显著低于上限，且差距随难度增加而扩大，表明当前的程序学习方法尚未解决此类观察式理论学习能力。\n\n点评：BabyTheorist 为研究机器的观察推理提供了严格且可扩展的测试环境，揭示了现有模型在抽象理论构建方面的局限。