ARC-AGI-3：互动式通用推理基准评估测试

ARC-AGI-3，这是一个旨在评估人工智能自主智能的全新基准测试。与以往关注静态模式识别的版本不同，新版基准采用了互动式回合制环境，要求模型在没有明确指令的情况下独立进行探索、建模、设定目标及规划行动。该测试严格遵循核心知识先验，剔除了语言和外部知识的干扰，以确保评估的是纯粹的学习效率。目前的测试结果显示，尽管人类受试者能达到100%的成功率，但顶尖AI系统的得分却不足1%。通过对比AI与人类的行动效率，该基准揭示了当前大语言模型在应对未知领域和通用智能方面的巨大鸿沟。为了防止数据泄露和过拟合，该团队设计了高度私密且具有分布外特征的测试集，以推动更具泛化能力的AI研究。