Kepler：ARC-AGI-3 可审计世界模型
原文标题：Kepler: Auditable World Models for ARC-AGI-3
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文发布开源工具 Kepler，将假设表示为可执行世界模型并通过回溯转移检查与条件预测检查验证。在冻结的 Claude Opus 5 配置下，Kepler 在全部 25 个公开游戏上取得服务器验证的 100.00 RHAE，但作者同时报告源码泄漏、控制组重建工具链等三类评测失效，指出公开集分数区分度有限。
- 问题
- ARC-AGI-3 需要从交互中推断规则，公开集分数区分度不足。
- 方法
- 开源工具 Kepler 把假设表示为可执行世界模型，用回溯转移与条件预测检查验证。
- 结果
- 冻结 Claude Opus 5 配置下 25 个公开游戏全部达服务器验证 100.00 RHAE，成本 777.72 美元。
- 影响
- 说明公开集满分已无区分度，评测需转向首次尝试与成本条件化。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Kepler在ARC-AGI-3全部25个公开游戏拿到100.00 RHAE，但作者自曝三类评测失效。
- •冻结Claude Opus 5配置下，25个公开游戏全部服务器验证100.00 RHAE，无逐游戏选模型或按分数重跑
- •183个已完成关卡中181个，Opus最终尝试的动作数不超过对应人类中位数基线
- •保留棋盘运行共8256次环境动作，其中7292次发生在计分关卡内
- •成本记录：8.58亿token、97.37%缓存读取、按2026年9月1日API价约777.72美元
- •作者报告三类失效：源码泄漏造成无效满分、控制组中智能体重建被移除的harness、自主修复掩盖了坏掉的planner
为什么重要：公开集满分已接近饱和，单看分数无法区分能力；作者主动披露评测失效，提示后续ARC-AGI-3评测需转向首次尝试、成本约束与验证感知。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。