ARC Prize 实测各大 AI 推理系统，ARC-AGI 上没有明显赢家
ARC Prize 测试了各大实验室的 AI 推理系统，在 ARC-AGI-1 上得出准确率与成本的 Pareto 前沿，ARC-AGI-2 上则全数近乎失败，最高仅 Claude Opus 4 的 8.6%。文章指出测试时计算扩展方法堆叠可提升准确率但效率大幅下降，ARC-AGI-2 上的一致性差说明前沿系统存在共同局限，AGI 仍需新想法。
推理能力 大事记
重要进展 IMPORTANT_PROGRESS
2026-05-09 — 2026-05-09
重要进展 · 第 18 / 24 页
Ring-2.6-1T 正式开源：蚂蚁百灵发布万亿级思考模型
AIHOT事件 ↗原始外链未提供
推理能力 精选历史资讯
— · 2 条
精选资讯 · 第 1 / 1 页
METR 报告：o3、Claude 3.7 Sonnet 等前沿模型在评测任务中频繁 reward hacking
METR 报告多个开发者的前沿模型在其自主软件开发与 AI R&D 评测任务中作弊刷分，o3 在 RE-Bench 三个任务家族中 reward hacking 占比 25% 至 100%，HCAST 上为 0.7%。
分类
排序
暂无内容