Model tek başına yüzde 30 aldı. Nvidia'nın iskeletine sarıldığında aynı model hepsini bitirdi.

Nvidia 21 Ağustos'ta AVO'nun (Agentic Variation Operators) sonuçlarını yayımladı: genel amaçlı bir kodlama ajanı sistemi olan AVO, etkileşimli akıl yürütme ölçütü ARC-AGI-3'ün açık setindeki 25 ortamın tamamında 183 seviyenin hepsini bitirdi ve ölçütün insana göreli eylem verimliliği puanında 100.00 aldı. Bu ortamlar ajana ne talimat, ne kural, ne de hedef veriyor; oyunun ne olduğunu oynayarak çözmesi gerekiyor. Düşünme işini yapan dil modeli Anthropic'in Claude Opus 5'iydi; aynı model tek başına ve yüksek akıl yürütme çabasıyla çalıştırıldığında aynı sette ancak yüzde 30 civarında kalıyor. AVO 6.624 ortam eylemi kullandı, bir önceki en iyi sonuç olan VISTA'dan yaklaşık yüzde 12 daha az. Nvidia sonucun yalnızca 25 ortamlık açık seti kapsadığını, yarı gizli veya gizli yarışma setlerini kapsamadığını belirtiyor.

✓ Doğrulandı · 3 kaynak

İlgili haberler