ARC Prize Foundation
PulseAugur coverage of ARC Prize Foundation — every cluster mentioning ARC Prize Foundation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
OpenAI 的 GPT-6.2 Astra 实现了创纪录的基准测试,但面临开发者强烈反对
OpenAI 发布了 GPT-6.2 Astra 和 Sol 模型,这些模型在基准测试中取得了历史性的高分,包括在 ARC-AGI-3 测试中获得完美的 100%,并在 Epoch AI 的能力指数中并列最高分。然而,用户反馈压倒性地负面,开发者列举了任务放弃、输出密集且难以阅读以及过多的澄清请求等问题。基准测试性能与实际可用性之间的这种差异,凸显了人们对人工智能评估指标与现实世界应用之间差距的日益担忧,以及市场上可能的价格战。
-
开放模型通过定制数据和推理在 ARC-AGI-2 上展现出改进的推理能力
研究人员调查了不同训练和校准数据对三个开源AI模型在ARC-AGI-2推理基准测试中的性能影响。对于NVARC Qwen3-4B模型,开发了一个包含12,000条可执行规则和95,993个任务的语料库,通过在真实任务记录上进行微调,将其得分从28.96提高到33.06。Qwen3.8-27B推理模型的得分通过增强的推理过程(包括“思考帽”和程序检查)从26.81提高到44.03。Qwen3.8-Flash-Next混合专家模型通过优化…
-
Google 升级 Gemini 3 Deep Think 以用于科学和工程领域
Google 发布了 Gemini 3 Deep Think 的升级版本,这是一种专门用于应对复杂科学、研究和工程挑战的推理模式。新版本已提供给 Google AI Ultra 订阅用户和通过 Gemini API 的部分研究人员。早期测试者已使用 Deep Think 识别同行评审论文中的逻辑缺陷,优化半导体材料的晶体生长,并加速物理组件的设计。该模型还创下了新的基准记录,包括在 Humanity's Last Exam 上设定了新…