★ 3
研究：前沿模型自建 ARC-AGI-3 智能体框架，两次修订仅提升 2.8 分
论文让前沿模型自行构建并两次改写任务 harness，在 ARC-AGI-3 的 20 个留出游戏上评估。27 条谱系中性能从零到接近满分，但两次修订平均仅提升 2.80 点 RHAE，开发集增益明显高估留出表现。结果表明自主构建 harness 与可靠自适应之间仍有明显差距。
arXiv cs.AI10 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文让前沿模型自行构建并两次改写任务 harness，在 ARC-AGI-3 的 20 个留出游戏上评估。27 条谱系中性能从零到接近满分，但两次修订平均仅提升 2.80 点 RHAE，开发集增益明显高估留出表现。结果表明自主构建 harness 与可靠自适应之间仍有明显差距。