Anthropic 的 Opus 5 触发 ARC-AGI 泛化争议
inductionheads · x · 2026-07-25
这条帖子的核心争议是：Anthropic 的 Opus 5 如果确实在类似 ARC-AGI 的强化学习环境里训练过，那么它在该基准上的表现也未必能证明“通用泛化”。
作者的论点是：ARC-AGI 之所以被设计出来，就是希望在构造上尽量避免模型“直接训练到题型本身”。但如果闭源模型通过人类写出的思维链、奖励信号或相似环境进行了训练，那么它即便做对了题，也更像是在说明训练覆盖了该类任务，而不是证明真正跨任务泛化。
帖子实质上是在质疑：
- 这类基准的“不可训练性”前提是否还成立
- 闭源模型的训练方式是否会让 benchmark 结果失去解释力
- 高分是否等于真正的 generalization
所属事件:Opus 5 刷爆 ARC-AGI-3 引发热议与造假质疑(11 条相关)→
「模型」频道最新
- GLM-5.2 在 RTX 5090 上推理提速至 80–110 tok/s — markjeffrey · 2026-07-27
- Grok Build 新增 /deep-research 并行研究与引文报告 — elonmusk · 2026-07-27
- 对大多数用户来说，开源本地模型比前沿系统更重要 — sull · 2026-07-27
- Claude Opus 5 一次生成通过滑雪者测试 — rohanpaul_ai · 2026-07-27
- GPT 5.6 Pro 被指比 Work/Codex 高档位更强 — latticecut · 2026-07-27
- 开发者称 Codex 已成自己在 ChatGPT 里的编程环境 — kevinkern · 2026-07-27