ARC-AGI-3：面向前沿智能体智能的新挑战

我们提出ARC-AGI-3，一个通过新颖、抽象、回合制环境研究智能体智能的交互式基准，其中智能体必须在没有明确指令的情况下进行探索、推断目标、构建环境动力学的内部模型，并规划有效的动作序列。与其前作ARC-AGI-1和ARC-AGI-2一样，ARC-AGI-3完全聚焦于评估在新颖任务上的流畅自适应效率，同时规避语言与外部知识。ARC-AGI-3环境仅利用核心知识（Core Knowledge）先验，并通过与人类测试者的广泛测试进行难度校准。我们的测试显示，人类可以解决100%的环境，而截至2026年3月，前沿AI系统的得分低于1%。在本文中，我们介绍了该基准的设计、以人类动作基线为基础的基于效率的评分框架，以及用于构建、验证和校准环境的方法论。