OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 基准上取得了最新领先成绩。在标准测试条件下，该模型在半私有评估集上获得 62.7% 的得分，已达到当前最优水平；而在使用 provider adapter 适配器的测试框架中，成绩进一步提升...

Prime Agent是Prime Intellect发布的一款开源自我改进编码工具，其核心架构围绕递归语言模型（RLM）和持续训练框架（Continual Harness）两大抽象展开。该框架通过更优的上下文管理、多智能体协同与长期评估机制，赋...

OpenAI 最新披露，尽管其前沿模型 GPT-5.6 在数学领域解决了多个长期悬而未决的问题，并成功打通《宝可梦 火红》等复杂游戏，但在 ARC-AGI-3 基准测试中原始得分仅有 7.8%。这一巨大反差揭示了一个关键问题：基准测...

备受关注的ARC Prize 2025竞赛结果正式公布，标志着人工智能推理能力评测进入新阶段。本届竞赛吸引了全球1455支顶尖团队参与，共计提交了15154份解决方案，竞争异常激烈。所有获奖方案及技术论文均已遵循开源协议发...

ARC-AGI-3是一项突破性的评估基准，旨在通过测量AI系统在新颖、未见过的环境中的技能获取效率，来评估其泛化能力和智能水平。该基准利用游戏环境作为测试媒介，为评估经验驱动的能力提供了丰富的平台。ARC-AGI-3的独...

一项创新的推理时间扩展方法通过结合o4-mini、Gemini-2.5-Pro和DeepSeek-R1三种AI模型，在ARC-AGI-2基准测试中实现了30%的性能提升，显著优于单个模型的表现。该技术采用动态选择机制，根据问题特性自动分配最适合的...

由François Chollet和ARC Prize团队推出的ARC-AGI-2基准测试，作为抽象推理领域的新一代评估标准，其难度较前代显著提升。初步测试结果显示，即便是最先进的AI系统也表现不佳，其中o3模型仅获得3%的准确率，远低于原...

ARC Prize基金会近期采用ARC-AGI基准对OpenAI最新发布的o3-medium和o4-mini模型进行了系统评估。测试结果显示，o3-medium在基础版ARC-AGI-1测试中表现突出，但在需要高阶推理能力的ARC-AGI-2挑战集上未能取得突破性...