ARC-AGI
Benchmark
Kemampuan
Chollet's abstraction puzzles — designed to resist everything but intelligence.
Anda sedang melihat entri benchmark: sebuah uji yang digunakan industri untuk mengukur chip atau model — dan apa yang sebenarnya ditunjukkannya.
ARC's colored-grid puzzles require inferring a novel rule from a few examples — trivial for humans, brutal for pattern-matchers. o3's 87.5% high-compute result on ARC-AGI-1 (Dec 2024) was a landmark; ARC-AGI-2 promptly reset the frontier to single digits, keeping the target moving and the definition debate alive.
Bagaimana ini terhubung ke bagian lain dari stack
Tautan catatan ini sekilas — klik grup untuk langsung menuju ke sana.
Benchmark
Sumber
Rekaman ditinjau per 2026-01-15 — lihat Metodologi.