ARC-AGI-3上新方法出分
bryanlanders · x · 2026-07-17
这条转发在说，围绕 ARC-AGI-3 的后续研究开始快速增多，距离 V3 发布大约只过了 3.5 个月，生态已经出现“滚雪球”效应。
被引内容介绍了一个名为 schema 的 harness：在 ARC-AGI-3 Public set 上，结合 Opus 4.8 + Fable 5 可以达到 99% RHAE，结合 GPT-5.6 Sol 可以达到 95.35%。作者的主张是，这个系统能让 LLM “像物理学家一样思考”，后续值得进一步拆解其方法和复现细节。
所属事件:Schema harness 引爆 ARC-AGI-3 讨论(14 条相关)→
「研究」频道最新
- 作者推测:真实训练中模型可能自发学会感知探针存在 — Sauers_ · 2026-10-18
- 训练策略复盘:只训最后几层避免移动目标,数据越多泛化越好 — Sauers_ · 2026-10-18
- 训练后模型能感知激活探针存在,并跨 GPU 零样本泛化 — Sauers_ · 2026-10-18
- 模型可学会分辨训练与部署状态,并泛化到没见过的运行时 — Sauers_ · 2026-10-18
- 模型从第 34 层激活差异学会识别训练环境,跨运行时泛化 90%+ — Sauers_ · 2026-10-18
- 单个注意力头像开关:靠抵消放大探针的微小激活差异 — Sauers_ · 2026-10-18