ARC-AGI-3 代理歸因研究：完整驗證變體全面解題，但可能僅飽和公開集

一項針對 ARC-AGI-3 代理的歸因研究，揭露了不同設計元件對效能的實際貢獻。研究團隊設計四種巢狀 Codex 代理變體，從純文字基線到具備排程簡化與完整驗證的固定介面版本，並在 gpt-5.4 與 gpt-5.5 模型上以高與極高推理努力進行測試。

主要發現

最穩健的結果是：每個代理變體都隨著更強的模型與更高的推理努力而進步。但在同一模型與推理努力設定下，變體間的效能差異比預期小，且個別元件的效果會因設定而異。例如，要求持續提供可執行交付物並非普遍有利：在 gpt-5.5 的兩種設定中，純文字變體反而勝過彈性介面可執行變體。

排程簡化在四組模型-努力設定中有三組提升效能，僅在 weakest 設定中例外。完整驗證變體（保留簡化且要求精確重現觀測記錄）在所有四組設定中排名第一，但資源消耗明顯更高。

後續測試

在後續的 gpt-5.6-sol 測試中，驗證變體在兩種推理努力下完全解決了所有公開遊戲，達到約 99% 的 RHAE，且總動作數不到人類基線的一半。然而，由於該模型發布時間晚於這些遊戲，且未測試未公開資料，此結果應解讀為僅是公開集的飽和現象。

延伸閱讀

• 大規模跨模態表示對齊實驗：DINOv2 與 OpenLlama 互最近鄰分析
• 探討 Transformer 中堆疊向量的因果角色：Dyck‑1 與 Shuffle‑k 實驗全解
• 單層 Transformer 能自動建立全序列坐標軸：序列幾何與符號距離效應實驗

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。