LONGFORM READING
凯时娱乐在线官网 行业资讯 GPT-6刷到99.9%,ARC AGI考卷被迫重做!下一关考「发明」

GPT-6刷到99.9%,ARC AGI考卷被迫重做!下一关考「发明」

新智元报道 AI把考卷刷到接近满分,下一张,还能考什么? GPT-6 Astra一出世,在ARC-AGI-3半私有测试集上,拿下了99.9%的成绩。 用OpenAI自己的话说:已经完全「饱和」了。 没想到,它的出现,直接让ARC-AGI原定方案全盘作废。 提前规划好的ARC系列,需要重新拟题了。 就在今天,ARC Prize创始人François Chollet,正式披露了下一代评测蓝图: ARC

新智元报道 AI把考卷刷到接近满分,下一张,还能考什么? GPT-6 Astra一出世,在ARC-AGI-3半私有测试集上,拿下了99.9%的成绩。 用OpenAI自己的话说:已经完全「饱和」了。 没想到,它的出现,直接让ARC-AGI原定方案全盘作废。 提前规划好的ARC系列,需要重新拟题了。 就在今天,ARC Prize创始人François Chollet,正式披露了下一代评测蓝图: ARC-AGI-4确认将于明年Q1如期登场,而真正具有颠覆性、甚至被称为「人类最后考卷」的ARC-AGI-5已全面提上日程。 ARC 4将聚焦更长尺度下,持续学习与课程学习;ARC 5完全围绕「发明」展开。 他甚至表示,「当AI的学习效率与人类再无客观测量差距时,那便是真正的AGI时刻」。 GPT-6刷爆ARC-AGI-3 全靠工程学 GPT-6 Astra在ARC-AGI-3上的表现,是2026年AI圈最具戏剧性的一幕。 在ARC Prize的「标准测试框架」下,Astra拿到62.7%。 这个成绩当然已经是历史最高,但距离满分还很远。 然而,当OpenAI接入自家的Provider Adapter,同一个模型的得分直接飙到99.9%。 这是一种能在多次调用之间保留模型隐藏推理状态的上下文管理适配器,可以让AI以更接近生产环境的方式接入能力插件。 结果就是:同一套权重,同一组题目,得分差出36个百分点。 ARC-AGI-3的排行榜含金量因此被重新审视,争论焦点从「哪家模型泛化能力更强」,变成了「哪个harness更公平」。 这不是孤例。Claude Opus的同一套权重,在ARC-AGI-3私有集上验证为30%,换用更好的harness后达到95.5%。 英伟达的AVO,甚至在公开演示集上拿到100%。 ARC-AGI-3的「饱和」,更像是一个评测工程学事件。 ARC-AGI 3在测什么 前两代ARC-AGI-1和ARC-AGI-2,核心还是「看图找规律」。 系统给几组「输入→输出」的小方格图,AI猜规则,再画出新一组的输出。 这是静态题,答案唯一,靠的是「看几个例子就能归纳出规则」的能力。 到了ARC-AGI-3,考法被彻底换掉了。 它直接把AI丢到一个游戏世界里,在1000多个关卡中,让它自己玩、自己试、自己找规则。 每个游戏有自己的内在逻辑、隐藏规则和通关条件。 没有说明文档,没有自然语言提示,没有人告诉你「收集三个红色方块就能过关」。 AI只能看到当前画面,选择一个动作,观察结果,再决定下一步。 像盲人摸象一样,一步一步试探,在大脑里拼凑出「这个世界可能是这样运作的」的模型。 ARC Prize团队明确列出了这个基准要测的四件事:探索;建模;目标获取;规划与执行。 GPT-6 Astra在96%的关卡上用比人类中位数更少的步数完成了任务,平均每关少用51.7%的动作。 ARC Prize称这是「阶跃式的能力变化」,但同时强调了一句:基准饱和并不等于证明了AGI。 因为这些环境是「有界」且确定性的,不是开放式的 。 下一张考卷 开始逼AI「发明」 按照原计划,ARC 4将延续ARC 3的精神,但更偏向更长时间尺度上的持续学习和课程学习。 每个游戏的关卡多得多,而且关卡是「复利」的,每一关都得复用前面关卡学到的东西。 现在,Chollet把「开放式发明」,放进了ARC 4和ARC 5共同的研发基础。 那么,「考发明」到底怎么出题? ARC 1到3都有一个共同前提:存在一个「对」的答案或一个「赢」的状态,而且人类第一次上手就能做到,这样才能用人类当尺子。 ARC 3的整套人类基线,就是那486个人、2893次尝试量出来的。 发明的定义里就包含「以前没有」,没有标准答案,也就没有现成的人类基线可以除。 你没法说「人类发明这个东西用了多少步」。那接下来,具体该怎么量? 一条可能的路是回到Chollet对智能的「定义」:智能不是会多少技能,是获取新技能的效率。 如果沿着这条线,发明可以量成——AI造出来的那个新工具、新规则、新记号,有没有后面的问题解得更快。 Astra给游戏编速记符号,其实已经是这个动作的雏形。它发明了一个中间表示,然后靠它省了一半的步数。 下一张考卷,ARC 5大概率是把这件事变成「考题本身」。 ARC 5直奔终极 人类还能出几张考卷? 值得一提的是,ARC系列的考题,大概会在第6代、7代终结了。 Cholle曾表示,只要还能提出「人类能做、AI 不能做」的事,就继续出题; 等到提不出来了,等到人类的学习效率和前沿AI之间的差距已经无法测量,那个时刻就是AGI。 AI进步太快,留给一张评测证明自己「足够难」的时间,正在被压缩。 一道难关刚被攻克,出题人就得寻找下一道。 分数逼近天花板后,原来的考卷也越来越难分辨:AI究竟又

about image

分享这篇内容

让更多人看到这份有价值的赛事观察。

TRENDING DESK

热点新闻

快速查看当前内容池中正在被关注的文章。

1500万解约金:三家英超球队盯上17岁西班牙边锋

1500万解约金:三家英超球队盯上17岁西班牙边锋

阿森纳、纽卡斯尔联和埃弗顿正在关注一名17岁的西班牙边锋——格拉纳达的欧文·埃梅卡。 据西班牙媒体《马卡报》报道,这三家英超俱乐部都在追踪埃梅卡的动向。这名年轻球员被视为一名重要潜力股,他的天赋已经引起了英超球队的注意。 解约金1500万欧元 据Soccernet的补充报道,埃梅卡拥有一项 1500万欧元 的解约条款。对于最终签下他的俱乐部来说,这可能是一笔划算的交易。 格拉纳达方面当然希望尽可能
英超-维尔茨造乌龙伊萨克破门 利物浦2-0布莱顿4连胜

英超-维尔茨造乌龙伊萨克破门 利物浦2-0布莱顿4连胜

北京时间10月25日22时,2026-27赛季英超联赛第8轮继续进行,坐镇安菲尔德球场的利物浦2-0完胜布莱顿,取得正赛四连胜,并在英超积分榜上升至第4位,这也是利物浦本赛季联赛主场首胜。第17分钟,维尔茨制造格罗斯乌龙球帮助利物浦先拔头筹;第21分钟,巴尔科拉助攻伊萨克得分,帮助球队扩大领先优势。 本场比赛,利物浦中场索博斯洛伊、埃基蒂克、穆尼奥斯和弗林蓬因伤缺阵,赫拉芬贝赫解禁复出,维尔茨、巴
局势升级!美防长宣布反华言论,国防部出手,大批中国机构遭清除

局势升级!美防长宣布反华言论,国防部出手,大批中国机构遭清除

文|犽犽乐 前言 大家好,我是小勇! 谁能想到,语言文化交流这件再平常不过的事,也会被放到国家安全的审判席上,被一国国防部长直接打上危险标签。 当语言课堂和国家安全威胁被强行画上等号的时候,这场发生在美国高校圈的风波,就已经脱离正常学术审查的范畴,走向了更极端的方向。 原本用来拉近不同文明距离的文化项目,如今在华盛顿的叙事框架里,变成了需要动用国防部力量清理的对象。 这场突如其来的清理行动,到底意
博主:国安今天下午前往曼谷,泰港与国安一样本周末都没有比赛

博主:国安今天下午前往曼谷,泰港与国安一样本周末都没有比赛

直播吧11月1日讯 北京时间下周二晚间,北京国安将迎来亚冠精英联赛的客场比赛,对手是泰港。博主“清蒸树袋熊_GuoAn”,国安队将在今日启程前往客场。 该博主表示:“国安队将于今天下午搭乘泰航航班启程前往曼谷,参加下周二与泰港的亚冠精英联赛。泰港与国安一样,本周末都没有国内比赛任务,此前泰超在设置赛程时为亚冠参赛球队留出了空间。 另外由于场馆安排冲突,本场比赛的比赛场地此前已改至巴吞他尼体育场(P
内线巨兽!NBA开赛至今,表现最好的5位中锋,约基奇虽下滑仍上榜,文班领衔

内线巨兽!NBA开赛至今,表现最好的5位中锋,约基奇虽下滑仍上榜,文班领衔

随着比赛打法的不断发展,现在五小阵容已经不再是NBA当下唯一的赢球版本了,想要夺冠,队内也缺少不了一个真正的内线支柱。那么接下来我们就盘点了,本赛季迄今为止表现最好的5位中锋,约基奇虽然下滑明显,但瘦死的骆驼比马大,他依旧是现役最好的中锋之一,与此同时,文班迎来爆发,真正成为MVP级别的球星。 5.凯斯勒 作为这份榜单里,唯一一位蓝领中锋,凯斯勒这种类型的球员,上限应该就是巅峰时期的戈贝尔,虽然他