ARC奖推出了ARC-AGI-2铁杆标准，并伴随着2025年竞赛的宣布，奖品为100万美元。
随着AI从执行狭窄的任务到展示一般自适应智能的发展，ARC-AGI-2问题旨在确定能力的差距并积极指导创新。
ARC奖小组说：“良好的AGI测试是进步的有益指标。最佳的AGI测试显然区分了机会。最佳的AGI测试可以完成所有这些工作，并积极启发研究和直接创新。”
Arc-Agi-2将获得最佳类别。
在记忆之外
自2019年创建以来，ARC奖一直是研究人员争取AGI的“北极星”，创造了不断的测试。
诸如ARC-AGI-1之类的Citri倾向于衡量液体的智能（即适应新的隐形任务的能力。）这与仅奖励仅记忆的数据集有一个明显的偏离。
ARC奖项任务也远远远，努力为科学突破加快截止日期。它的测试不仅旨在衡量进度，还旨在激发新想法。
研究人员观察到使用Arc-Agi-1在2024年底在2024年底首次亮相的O3 OpenAI首次亮相。 O3将基于深度学习（LLM）的深层模型与推理合成的引擎相结合，指出了AI超出记忆的突破。
尽管如此，尽管进步了，但是O3等系统仍无效，并且需要在教育过程中进行大量的人类监督。为了挑战这些系统的真正适应性和有效性，ARC奖引入了ARC-AGI-2。
ARC-AGI-2：在人类机器上缩小差距
ARC-AGI-2形式对于AI来说更艰难，但保留了其对人的可及性。尽管AI边界上的推理系统继续被视为一个百分比，而Arc-Agi-2上的一个数字，但人们可以解决每个问题进行两次尝试。
那么什么是Arc-Agi隔离？他的设计理念选择了“对人们相对简单，但对于人工智能而言是严格或不可能的任务”。
该表格包括具有不同可见性和以下特征的数据集：
- 符号解释： AI试图将语义意义与符号合适，而是专注于浅层比较，例如对称测试。
- 组成推理： AI犹豫，何时需要同时应用几个交互规则。
- 上下文规则的附录： 系统不能根据复杂的上下文来采用不同的规则，通常会固定在表面级别方案上。
大多数现有标准都集中在超人的能力上，以大多数人无法实现的规模测试高级专业技能。
Arc-Agi转动脚本，并强调AI尚无法做到。特别是决定人类智力的适应性。当对人来说简单的任务之间的差距，但是AI最终很难达到零，就可以宣布AGI。
但是，AGI的实现不仅限于解决问题的能力。效率 – 寻找解决方案所需的成本和资源 – 成为重要的决定因素。
有效的作用
对任务的绩效测量对于评估智力不仅是解决问题的可能性，而且有效地做到这一点的能力很重要。
现实世界的例子已经显示出人类和人工智能体系之间有效性的差距：
- 人类小组的有效性： ARC-AGI-2任务以100％/任务的100％精度执行。
- Openai O3： 早期的估计意味着，堡垒的成功水平为4％，每个任务200美元。
这些指标强调了人们与人工智能之间资源的适应和消费的差异。 ARC奖已承担报告有效性以及未来领导者表的结果的义务。
对有效性的主要关注阻止了总体武力的决策，这些决策被认为是“真正的智力”。
根据ARC奖，情报涵盖了以最低资源的搜索解决方案 – 质量，显然是人类，但对于AI仍然难以捉摸。
弧奖2025
ARC奖2025本周在Kaggle上推出，保证奖品的总数为100万美元，并展示了开源的领导者的活桌。竞争旨在促进可以有效解决ARC-AGI-2问题的系统方向的进步。
从2024年开始增加的奖品类别中，这是：这：
- 主要奖项： 在Kaggle的有效性中获得了700,000美元的成功率85％。
- 最高点的奖品： 最高评级为75,000美元。
- 纸张奖： 有50,000美元以改变有助于解决Arc-Agi问题的想法。
- 额外奖品： $ 175,000，详细信息在比赛期间等待广告。
这些激励措施提供了公平而重大的进步，这有助于研究人员，实验室和独立团队之间的合作。
去年，2024年ARC奖展示了1,500个竞争对手团队，这导致了40篇著名行业。今年，利率的提高旨在取得更大的成功。
ARC Prive认为，进步取决于新想法，而不仅仅是扩展现有系统。有效的通用系统的下一个突破可能不是来自现代技术巨头，而是来自勇敢的创意研究人员，涵盖了复杂性和好奇的实验。
（提供的图像：弧奖）
参见： DeepSeek V3-0324顶部不是Riseseing模型
想进一步了解人工智能和行业领导者的大数据吗？ 检查在阿姆斯特丹，加利福尼亚和伦敦举行的AI和大数据博览会。全面的活动以及其他领先活动，包括智力自动化会议，Blockx，一周的数字化转型和网络安全以及云博览会。
基于Techforge在此处探索企业技术和网络研讨会的其他事件。
