Schema 把 ARC-AGI-3 打到接近满分
机器之心 · wechat · 2026-07-18
用 harness 把 ARC-AGI-3 打到接近满分
伯克利博士后 HavenFeng 提到的 schema 是一套套在大模型外面的 harness：不改模型权重，只改模型外层的观察、假说、实验、修正规则与执行流程。
在 ARC-AGI-3 Public 上，它与不同模型组合后获得了很高分数：
- Claude Opus 4.8 + Fable 5：98.98% RHAE
- GPT-5.6 Sol 组合：95.35% RHAE
文章强调，这种提升的关键不在于“模型更大”，而在于把推理变成可验证、可回放、可搜索的程序化流程。
schema 怎么工作
ARC-AGI-3 是一个不告诉规则的网格游戏基准。schema 的思路是：
- 状态落地：把像素、物体、关系整理成可追踪状态；
- 机制发现：把状态如何在操作后变化，写成可运行程序；
- 外循环：观察 → 推演 → 执行 → 记录；
- 反例驱动修正：一旦真实结果和预测冲突，就停止执行，回到推演阶段修模型。
它还会主动做“区分假设”的实验，找最能验证/证伪候选规则的操作，从而减少无效交互。
作者与评论里的争议点
ARCPrize 总裁 Greg Kamradt 认可这种“把世界模型写成程序”的思路，但也提出两点质疑：
- 分数里用了固定兜底规则，可能把“哪局表现差”这个信息注入了流程；
- 文档中出现的“玩家”“墙”“计数器”等概念，如果来自人工提示，那么成绩并不完全来自模型。
此外，团队自己的结果也还只是公开集自报告，尚未完成 ARCPrize 独立复核。
文章想传达的核心
作者认为，这类方法的意义不只是刷榜，而是把“机制发现”做成一种通用能力：让模型把对世界的理解显式写成程序，再通过行动与现实不断校验。
所属事件:Schema harness 引爆 ARC-AGI-3 讨论(14 条相关)→
「编程与Agent」频道最新
- Anthropic 借鉴律师谈判伦理，Claude 智能体 69 人无人工批准成交 186 单 — rohanpaul_ai · 2026-10-18
- Agent 接管 Gmail 与浏览器后的投毒风险，及 jev-guard 防护做法 — sujingshen · 2026-10-18
- 14 个 Agent 在单卡 5090 上做 AI 电影:按反馈修复剪跳与配音缺陷 — developervkmp · 2026-10-18
- Meta 论文提出「Agent Plasticity」:最强 agent 未必是最高效学习者 — rohanpaul_ai · 2026-10-18
- 开发者用前沿模型一个周末上线山火预测平台 — CtrlAltDwayne · 2026-10-18
- 10 个让 AI Agent 操作手机的 GitHub 开源项目,最大 26K star — victor_explore · 2026-10-18