PRO-LONG 以 log.txt 记忆框架拿下 ARC-AGI-3 97.4%
GregKamradt · x · 2026-07-28
PRO-LONG 在公开 ARC-AGI-3 上以 1,750 美元拿到 97.4%
这篇论文提出了 PRO-LONG：一种面向长程推理的最小化上下文管理框架，核心做法是保留完整、结构化的 log.txt，再在历史记录上做搜索，而不是把信息硬塞进有限上下文。
- 在 公开 ARC-AGI-3 集上，作者报告用 Fable 5 取得 97.4% best@2，总成本 1,750 美元。
- 相比此前 harness，整体使用 4.2–5.8 倍更少 token，同时还能达到或超过专用方案的表现。
- 作者强调：长任务的关键矛盾是“保留更多信息”与“更难检索相关细节”之间的权衡，而结构化日志+搜索能缓解这个问题。
- 论文、代码、日志和 scorecard 都已公开。
所属事件:PRO-LONG 记忆框架以低成本拿下 ARC-AGI-3 高分(3 条相关)→
「编程与Agent」频道最新
- Alchemy 新增 Kubernetes 文档中心，从 kind 集群到 EKS 部署全流程 — samgoodwin89 · 2026-09-23
- Rat Stack：把应用和云写成一个类型化程序，让 AI agent 可靠地搭建部署 — samgoodwin89 · 2026-09-23
- 「还记得 Tab 补全吗」：编码方式两年间的狂飙变迁 — yoobinray · 2026-09-23
- 调查：1/4 的 AI Agent 处于无人监控状态 — rseroter · 2026-09-23
- Massive 联手 Coinbase，AI Agent 可付费获取实时市场数据 — kleffew94 · 2026-09-23
- optimAIzr:本地 CLI 找出 AI 用量浪费,支持 Claude Code 与 Codex 省钱 — stichstichstich · 2026-09-23