Claude Opus 3 在 ARC-AGI 獲 100% — 但全靠 Nvidia 定制的套件
nvidia 研究人員通過配備主管組件的自定義套件，將 claude opus 3 在 arc-agi 基準測試上的分數從 30% 提升至 100%，證明了對於長期任務，腳手架比模型規模更重要。
NVIDIA 研究揭示，一種名為 Agentic Variation Operators (AVO) 的自定義框架使 Claude Opus 3 在 ARC-AGI 基準測試中獲得了 100% 的分數，相比 30% 的基線有了顯著的提升。該系統利用一個監督代理來糾正主模型的方向，解決了 AI 在長時距任務中偏離軌道的問題。這一發現挑戰了業界對模型大小的關注，表明管理記憶體和反饋的「框架」或支架才是代理性能的真正驅動力。它預示著開發人員將優先考慮運行時基礎設施而非原始模型能力。