之前一直在用糖果测试和鹈鹕测试来检测降智，现在感觉意义不大了（据说Grok还会作弊）。特别是最近用各种中转站和公益站，偶尔遇到掺假的情况，感觉越来越难分辨。然后之前刷抖音看到有一些亲子博主在玩一个游戏，于是就想着能不能用这个来测试AI。 
选它的原因是： 

问题比较容易懂，毕竟小孩子都能玩；
实际解答起来需要挺长的思考，还需要写代码辅助；
这个问题不是很出名的已知问题，更考验纯内力。

有一个水杯配对游戏。共有 6 种不同颜色的水杯，每种颜色各有两个。将同色的两个水杯分别放在上下两层，因此上下两层各有 6 个水杯。
下层 6 个水杯按某个未知顺序排列，挑战者无法看到它们；上层水杯的颜色和位置则完全可见。游戏开始后，挑战者可以反复进行以下操作：
1. 向裁判询问当前有多少个位置满足“上下两个水杯颜色相同”。裁判只回答匹配位置的总数，不透露具体是哪些位置。
2. 根据目前获得的所有信息，挑战...