ARC Prize 发现 ARC-AGI 三项基准分数呈强关联

ARC-AGI 三项基准分数呈强关联

AI 导读

ARC Prize 绘制 ARC-AGI 模型分数后发现三项基准之间存在强关联，幂曲线 v2 = v1^4.53 能解释 ARC-AGI-2 分数约 98% 的变化。在 ARC-AGI-1 上得分相同的模型，在 ARC-AGI-2 上仍可能相差超过 20 个百分点。

正文 · 原文

ARC Prize· @arcprize · X·2026-10-29 00:05· 28 分钟前AI 评分39

AI 导读

绘制 ARC-AGI 模型分数后发现，三项基准之间存在很强的关联。例如，幂曲线 v2 = v1^4.53 能解释 ARC-AGI-2 分数约 98% 的变化。在 ARC-AGI-1 上得分相同的模型，在 ARC-AGI-2 上仍可能相差超过 20 个百分点。

正文 · 原文

Plotting ARC-AGI model scores reveals a strong relationship across all three benchmarks.

For example, the power curve v2 = v1^4.53 explains about 98% of the variation in ARC-AGI-2 scores. Models tied on ARC-AGI-1 can still differ by over 20 percentage points on ARC-AGI-2.

来源：ARC Prize · x.com

来源：RadarAI · aihot.news