北京
分享至
ARC Prize 最新测试结果让人意外：GPT-6 Astra 在 ARC-AGI-3 基准上，用标准 harness 得分 63%，但换用新的 provider adapter harness 后，成绩直接飙到 99%。同一个模型，两种测试方式，差距如此悬殊。
效率同样亮眼
除了分数，ARC Prize 还发现它在 96% 的关卡上，动作效率超过了受测人类的中位数。这意味着它不仅答得对，而且动作更省、更快，不是靠蛮力试错。
它到底做了什么？
ARC Prize 观察到，GPT-6 Astra 能把陌生环境转化成紧凑的符号世界模型。具体来说，它把游戏机制拆解成逻辑规则，还自建了一套领域速记语言，用来跟踪状态、规划下一步动作。这种能力，让它面对没见过的任务时，不是硬套模板，而是现场建模。
63% 到 99% 的跳跃，说明测试方式对结果影响巨大。标准 harness 下它已经不错，但适配后的 harness 才真正释放了它的潜力。这个案例也提醒我们：看 AI 基准分数，先搞清楚它跑在什么条件下。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
