ARC 逼近天花板，Greg Kamradt 拟按推断难度给公开评测重排名
GregKamradt · x · 2026-10-29
ARC 生态讨论出现「天花板效应」信号：@MindsAIJack 指出 ARC 1 已接近天花板，前沿模型在 ARC 2 和 3 上可能也快了。ARC Prize 的 Greg Kamradt 回应称，应该利用现有数据做「每题难度」分析，并提议把所有 v1/v2 公开评测按推断难度发布一个排名列表，用 Elo/TB 而非线性排名。这预示知名基准可能改用难度加权排名以区分头部模型。
「模型」频道最新
- 非营利实验室从零训练首个泰米尔模型 Agaram 2.5B 开源 — SuB8u · 2026-10-29
- 新论文：Outcome RL 提升的多是完成率和可靠性，而非新解题能力 — Shan Yang · 2026-10-29
- 开发者质疑:Google Carbon 若无 10 美元折扣价,需求将崩塌 — bindureddy · 2026-10-29
- Krea2 文字生成不佳，图像模型文字清晰度该选谁 — maxiedaniels · 2026-10-29
- MiniMax M3.1 Flash 登 Artificial Analysis 榜单,厂商回应用户质疑 — zacharynado · 2026-10-29
- Andon Labs 新基准:AI 在物理 3D 理解上追平人类 — ResultBackground2450 · 2026-10-29