09:36
官方一手arXiv: DeepSeek@Kabir Moghe, Peter Chin
精选
推荐理由：开源模型DeepSeek V3.2套上智能体架构，在ARC推理任务上以不到1美元成本拿下67%准确率，比零样本强了50多个点，硬件开销很低。
ARC-AGI-1
共 1 条相关 AI 资讯
7月9日
09:36
该研究使用开源模型DeepSeek V3.2（非推理模式）在严格预算下构建了智能体框架。提出的Explorer-Definer Pipeline将模式发现与程序合成分离，在ARC-AGI-1 400任务测试集上达到57.50% pass@2，每任务成本0.25美元。Reflective Orchestrator扩展了该流程，通过自主探索新变换，将准确率提升至67.25% pass@2，每任务成本0.62美元。该架构无需基准特定微调或大量测试时计算，将15.50%的零样本基线提升了约52个百分点。