ARC 相关 AI 资讯 · AI 热点

8月7日

02:10

02:10

Gary Marcus@GaryMarcus

François Chollet 在 X 上回应 Gary Marcus 的帖子，承认自己 2023 年至 2024 年初低估了大语言模型的长期重要性。他表示，2024 年 12 月 o3 模型在测试时计算（TTC）上的突破让他改变了观点。Chollet 指出，2023 年初“仅靠扩展基础 LLM 就能解决 AGI”的叙事并未实现。当前基础 LLM 在 ARC 1 上表现不佳，甚至无法可靠完成简单数学运算。

行业 Chollet o3 ARC

推荐理由：Chollet 承认以前低估了 LLM，现在说纯 scaling 不行，o3 的 TTC 才是关键。

7月13日

10:30

10:30

官方账号arXiv cs.AI@Hannah M. Liu, Rhea Saxena, Shiv Asthana

TrustX Agent Risk Classification Framework (ARC) 提出一种可重复的结构化方法，适用于七类智能体AI系统。框架核心是一个十二维度评分规则，结合GPA+IAT分类模型和五级自主性框架，输出三级治理输出与映射控制建议。还包含专门的编程助手扩展，处理此类AI系统的细微差别。该框架面向AI治理从业者、风险官、开发者和监管者，并计划定期迭代。

论文 TrustX Agent Risk Classification Framework ARC 智能体

推荐理由：这篇论文给了一套为智能体AI系统定风险等级的方法，有十二个打分维度，还专门考虑了编程助手场景，做AI治理的可以看看。

6月29日

13:50

13:50

官方账号François Chollet@fchollet

精选

François Chollet 指出，如果基准测试依赖静态数据集或训练时已知的静态分布，那么它本质上衡量的是记忆/检索，而非智能。他以 ARC 挑战为例，说明现有基准容易因数据泄露而失效，并强调真正智能需要应对未知变化。Chollet 呼吁社区设计更能体现泛化能力的测试，如基于动态环境的评估。

行业 François Chollet 基准测试智能测评

推荐理由：Chollet 点破了基准测试的痛点：很多高分模型只是背答案，不是真聪明。做评测的值得看看。

6月12日

09:46

09:46

官方一手arXiv: DeepSeek@Xu-Jing Ye, Yuan-Gen Wang, Ruping Wang

L-VARC是一种新框架，通过语言引导的LUPI分支增强视觉推理，解决ARC任务中纯语言模型参数大、纯视觉模型过拟合的问题。它利用DeepSeek-V3压缩语义，用CLIP对齐视觉与语义特征，训练后丢弃语言分支，仅保留18M参数的轻量模型。实验表明，L-VARC在ARC任务上超越现有最佳方法，代码已开源。

论文视觉推理 ARC LUPI

推荐理由：ARC是AGI的关键测试，L-VARC用语言引导视觉推理，18M参数就能超越SOTA，做视觉推理或小模型研究的开发者值得一试。