【第581期】ARC-AGI-3：迈向通用人工智能的智能体评估基准

Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。

如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。
合作邮箱：zhiwudazhanjiangshi#gmail.com

今天的主题是：

ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence

Summary

我们推出了 ARC-AGI-3，这是一个交互式基准测试，旨在通过全新的、抽象的、回合制环境来研究智能体智能（Agentic Intelligence）。在这种环境中，智能体必须在没有显式指令的情况下，自行探索、推断目标、构建环境动力学的内部模型，并规划有效的行动序列。

与前作 ARC-AGI-1 和 2 一样，ARC-AGI-3 完全专注于评估针对新任务的流体适应效率（Fluid Adaptive Efficiency），同时排除了语言和外部知识的影响。

核心特点

• 核心知识先验：ARC-AGI-3 环境仅利用“核心知识”（Core Knowledge）先验（如物体持久性、简单几何等），不依赖特定领域的常识。

• 难度校准：通过对人类测试者进行广泛测试来校准难度。数据显示，人类可以解决 100% 的环境任务。

• 巨大的能力鸿沟：形成鲜明对比的是，截至 2026 年 3 月，最前沿的 AI 系统得分仍低于 1%。

论文贡献

在本文中，我们详细介绍了：

1. 基准测试设计：环境的构建逻辑与交互机制。

2. 评分框架：一种基于人类行动基准的效率评分系统。

3. 方法论：用于构建、验证及校准这些环境的具体方法。

总结： ARC-AGI-3 为衡量 AI 迈向通用人工智能（AGI）过程中的实时推理与自主学习能力设立了极高的标准。它证明了目前的 AI 尽管在处理静态知识上表现出色，但在陌生的、需要主动探索的环境中，与人类智能相比仍存在量级上的差距。

原文链接：https://arxiv.org/abs/2603.24621