23:22
elvis@omarsar0
elvis@omarsar0精选
推荐理由：Pathway的BDH-CQ用极低成本在ARC-AGI 1拿到29.5%，靠的是潜在空间推理而不是CoT，还验证了600B参数规模，值得一看。
ARC-AGI
共 7 条相关 AI 资讯
8月11日
23:22
Pathway的BDH-CQ模型在ARC-AGI 1基准上获得29.5%的分数，但每个任务成本仅为0.0007美元。该模型通过潜在空间中的循环推理而非链式思维（CoT）来实现这一成绩。研究团队还验证了类似Transformer的扩展规律，参数规模可达6000亿。这一成果展示了在成本效率上的显著优势。
8月8日
11:31
11:31
官方账号Greg Brockman@gdb
官方账号Greg Brockman@gdb推荐理由：ARC Prize实测了降价后的GPT-5.6 Luna，性能没缩水，跑一次ARC-AGI-2只要0.18美元，性价比确实猛。
8月7日
03:16
03:16
Gary Marcus@GaryMarcus
Gary Marcus@GaryMarcus精选
推荐理由：Gary Marcus怼了个流行类比：别把LLM当缸中脑，人的智力靠前额叶，不是靠身体。看看他咋说的。
7月26日
18:01
18:01
官方账号Decoder@Matthias Bastian
86°
推荐理由：Anthropic的Opus 5在智能测试上把GPT-5.6 Sol甩开一大截，还自己学会推方程了。
7月14日
11:58
11:58
官方账号arXiv cs.LG@Haozhe Huang, Yudong Xu, Abhijoy Mandal, Alán Aspuru-Guzik
推荐理由：这篇论文把专家组合从全局加权改成了因子级路由，在ARC-AGI上效果更好，适合研究离散扩散或组合生成的人看。
6月12日
13:05
13:05
官方账号ARC Prize@arcprize
官方账号ARC Prize@arcprize精选
推荐理由：AI 评估社区和关注模型安全的研究者值得关注——数据条款正在影响基准测试的独立性，这直接关系到模型能力的可信度。
6月4日
19:10
19:10
rohanpaul_ai@rohanpaul_ai
rohanpaul_ai@rohanpaul_ai精选72°
推荐理由：做AI智能体开发的团队会立刻警觉——你精心设计的记忆系统可能在悄悄退化。这篇论文用实验数据戳破了「自动总结记忆」的幻觉，建议所有用LLM做长期任务的开发者点开看看，别让记忆成为瓶颈。