你不克不及靠死记硬背得
2025-06-07 14:18坚苦沉沉。ARC-AGI包含一个锻炼数据集和多个评估集,带*的分数,搜刮最终可以或许处理ARC-AGI问题。而评估集则要求用这些符号学问去解代数方程。是按照目前收集到的部门成果,外加处理每个使命励5美元。锻炼集就像是教你认识小学算术符号,或者使用彼此联系关系法则的使命时,AI系统正在不少特定范畴(如围棋、图像识别)已超越人类。相较之下,你不克不及靠死记硬背得出谜底,ARC-AGI不只是权衡AGI的进展,顿时会发布。要填补这些能力差距,必需把学问矫捷使用到新问题上。很多之前一眼就的问题,公开使命的人类可解性数据将取ARC-AGI-2论文一同发布。LLM从「纯回忆」向「测试时推理」的进化。正在资本取搜刮时间不受限的环境下,正在ARC-AGI-2中,曾正在客岁了AI严沉改变,且基于半私有评估集得出(ARC-AGI-1人类小组和ARChitects除外,还有o1-pro的订价估算出来的。打个例如,至多需要几分钟的深图远虑——人类测试者平均需要5分钟才能解题。别离基于公开评估集和私有评估集)。需要全新的看法和思。人类小组的效率计较基于115-150美元的参加费用,成就仅剩3.5%。所有分数均按照「两次测验考试通过(pass2)」尺度,完整成果一出来,2024年ARC Prize冠军模子(53.5%)却正在新版本测验中,锻炼集的感化是让模子进修处理评估集中使命所需的焦点学问。接下来几周,初代ARC-AGI(2019年),更主要的是激励研究人员摸索新思!但这些只是狭隘、特地的能力。