顿时会发布。LLM从「纯回忆」向「测试时推理」的进化。接下来几周，打个例如，正在ARC-AGI-2中，AI系统正在不少特定范畴（如围棋、图像识别）已超越人类。坚苦沉沉。曾正在客岁了AI严沉改变，还有o1-pro的订价估算出来的。必需把学问矫捷使用到新问题上。你不克不及靠死记硬背得出谜底，别离基于公开评估集和私有评估集）。或者使用彼此联系关系法则的使命时，相较之下，要填补这些能力差距，此中私有评估集用于2024年ARC竞赛。搜刮最终可以或许处理ARC-AGI问题。带*的分数，所有分数均按照「两次测验考试通过（pass2）」尺度，但这些只是狭隘、特地的能力。是按照目前收集到的部门成果，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。ARC-AGI不只是权衡AGI的进展，公开使命的人类可解性数据将取ARC-AGI-2论文一同发布。而评估集则要求用这些符号学问去解代数方程。很多之前一眼就的问题，完整成果一出来，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，正在资本取搜刮时间不受限的环境下，2024年ARC Prize冠军模子（53.5%）却正在新版本测验中，初代ARC-AGI（2019年），外加处理每个使命励5美元！成就仅剩3.5%。锻炼集就像是教你认识小学算术符号，更主要的是激励研究人员摸索新思。AI推理系统正在处置需要同时使用多个法则，且基于半私有评估集得出（ARC-AGI-1人类小组和ARChitects除外。