Claude Opus 3 在 ARC-AGI 获 100% — 但全靠 Nvidia 定制的套件
nvidia 研究人员通过配备主管组件的自定义套件，将 claude opus 3 在 arc-agi 基准测试上的分数从 30% 提升至 100%，证明了对于长期任务，脚手架比模型规模更重要。
英伟达的研究揭示，名为Agentic Variation Operators（AVO）的定制框架使Claude Opus 3在ARC-AGI基准测试中获得100%的分数，相比30%的基线有了显著提高。该系统利用一个监督代理来纠正主模型的方向，解决了AI在长周期任务中偏离轨道的问题。这一发现挑战了行业对模型大小的关注，表明管理和反馈的“框架”或支架才是代理性能的真正驱动力。它预示着开发者将优先考虑运行时基础设施而非原始模型能力。