arcprize· @arcprize · X·· 2 小时前AI 评分
ARC Prize 公布 Argon 在 ARC-AGI-3 标准 harness 下的分数与测试限制
ARC Prize 公布 Argon 在 ARC-AGI-3 标准 harness 下的成绩：low reasoning 49.8%（55 个游戏完成 42 个）、medium reasoning 46.3%（完成 46 个），high reasoning 仅完成 19 个游戏故未公布分数。
除了使用供应商适配器框架（该框架保留不透明的推理过程并支持自动压缩）在 ARC-AGI-3 上表现出色之外，Argon 在使用标准框架（该框架允许模型在各轮之间传递笔记）时取得的高分同样引人注目。
然而，我们遇到了 API 问题，导致无法完成使用标准框架的测试：
- 低推理强度：49.8%，在 55 个游戏中完成了 42 个
- 中推理强度：46.3%，在 55 个游戏中完成了 46 个
- 高推理强度：仅在 55 个游戏中完成了 19 个，因此我们没有公布分数
公布的分数涵盖了全部 55 个游戏，并保留了未完成运行中获得的部分分数。
我们使用当前的入门价格——每百万 token 输入 $10、输出 $10——来计算成本。
完整结果：arcprize.org/results/google…
来源：arcprize · x.com