[控场AI]
基准

ARK AGI 3

围绕ARC基准的评测尝试之一,用于评估AGI相关能力,其报告因隔离harness变量而受关注

时间轴 (近 90 天)

10月28日

OpenAI在ARK AGI 3报告中通过启用两个harness设置(跨步骤保留模型推理过程、对历史进行摘要而非截断),在相同输出token数量下让模型采取了更多动作、通过了更多关卡。

待验证50%
10月28日

OpenAI在ARK AGI 3中的实验表明,在相同输出token预算下,采用摘要而非截断能让模型完成更多有效动作,说明上下文管理策略与模型能力是相乘而非相加的关系。

待验证50%

全部知识事实 (2)

来源文章