El modelo por su cuenta sacó un 30 por ciento. Envuelto en el andamiaje de Nvidia, el mismo modelo lo resolvió todo.

Nvidia publicó el 21 de agosto los resultados de AVO, siglas de Agentic Variation Operators, un sistema de agente de programación de propósito general que completó los 183 niveles de los 25 entornos del conjunto público de ARC-AGI-3, el banco de pruebas de razonamiento interactivo, con una puntuación de 100,00 en la medida de eficiencia de acciones relativa al ser humano. Esos entornos no dan al agente instrucciones, ni reglas explícitas, ni un objetivo declarado: tiene que averiguar cuál es el juego jugándolo. El modelo de lenguaje que razonaba era Claude Opus 5 de Anthropic, que por sí solo y con alto esfuerzo de razonamiento llega a alrededor del 30 por ciento en el mismo conjunto. AVO necesitó 6.624 acciones, cerca de un 12 por ciento menos que VISTA, el mejor resultado anterior. Nvidia precisa que la prueba cubre solo el conjunto público de 25 entornos, no los conjuntos semiprivados ni privados de la competición.

✓ Verificado · 3 fuentes

Noticias relacionadas