TEMPO 登顶 ARC-AGI-3：同模型切换 actor 与 critic

TEMPO 方法在 ARC-AGI-3 基准上取得显著成绩：相比基础检查点提升 31.5%，相比 GRPO 提升 20.6%。其核心是把长轨迹划分为若干 macro-step，在同一模型上于 actor 与 critic 角色间切换：critic 对当前状态推理并调用工具进行评估。在隐藏规则的骑士放置游戏案例中，两个分支环境奖励相同（平局），Critic 仍能区分优劣，显示出优于环境奖励的优势。

2026-08-20 ~ 2026-08-20 · 3 条相关

• TEMPO 让同一模型在 actor 与 critic 间切换评估长任务 — omarsar0 · 2026-08-20
• TEMPO 登顶 ARC-AGI-3, 超越基线 31.5% — omarsar0 · 2026-08-20
• Critic 优于环境奖励: 隐藏规则游戏案例 — omarsar0 · 2026-08-20