模型不能基于记忆的解决方案或模板

[ujjal22]

ARC（抽象与推理语料库）由 François Chollet 于 2019 年开发，专注于评估人工智能从最小示例中学习和概括新技能的能力。与通常测试预先形成的知识或模式识别的传统基准不同，ARC 任务旨在挑战模型以动态推断规则和转换，这些任务人类可以直观地解决，但人工智能在历史上一直遇到困难。

ARC AGI 特别困难的是每项任务都需要不同的推理能力。，而必须适应每次 哥伦比亚电话数据 测试的全新挑战。例如，一项任务可能涉及识别几何变换中的模式，而另一项任务可能需要对数字序列进行推理。这种多样性使得 ARC AGI 成为衡量人工智能如何像人类一样思考和学习的有力衡量标准。

ARC AGI 测试任务示例

你能猜出输入转化为输出的逻辑吗？来源：OpenAI

ARC AGI 的 o3 性能标志着一个重要的里程碑。在低计算设置下，o3 在半专用待机设置上得分为 76%，这一数字远高于之前的任何型号。

当使用高计算设置进行测试时，它达到了更令人印象深刻的 88%，超过了通常被认为是人类水平性能的 85% 阈值。这是人工智能首次在这一基准测试中超越人类，为基于推理的任务设立了新标准。

O 系列在 ARC AGI 上的性能

O 系列性能来源：ArcPrize。

我们认为这些结果特别值得注意，因为它们证明了 o3 执行需要适应性和泛化性任务的能力，而不是死记硬背的知识或强力计算。这清楚地表明，o3 正在接近真正的通用智能，超越特定领域的能力，进入以前被认为是人类专属领域的领域。

o3 迷你是什么？
o3 mini 与 o3 一起推出，作为一种经济高效的替代方案，旨在为更多用户带来先进的推理功能，同时保持性能。 OpenAI 将其描述为重新定义了推理模型中的“性价比前沿”，使其可以用于需要高精度但需要平衡资源限制的任务。

o3 mini 的突出特点之一是其自适应思考时间，它允许用户根据任务的复杂性调整模型的推理工作。对于更简单的问题，用户可以选择省力推理以最大限度地提高速度和效率。