待验证50% 置信基准精确时间

在ARC-AGI基准上，同一个模型仅靠不同的Harness设计，成绩可以从30%跃升到95%甚至100%

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

智能体底座(Harness)比模型本身更关键：YC深度解析Agent架构演进

涉及实体

ARC-AGIconcept Harnessconcept

相关事实

待验证将模型规模放大约十万倍，基础LLM在ARC上的成绩只从0%提升到约10%69% 相似待验证在ARC-AGI-3基准上，GPT-5.6 Sol得分8%，其他模型普遍不足2%，Anthropic因成本过高未运行Fable65% 相似待验证在ARC-AGI-2测试集上，系统在240个测试任务中解决了230个，整体准确率超过95%65% 相似待验证同等规模甚至更小的LRM已经将ARC 1基准刷满（saturate），准确率接近100%64% 相似待验证ARC-AGI-2由AI安全研究员François Chollet设计，早期GPT-4在该测试上得分不足10%，人类平均得分约85%63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/988687

API

curl https://kongchang.com/api/v1/knowledge/claims/988687

MCP

get_claim(id=988687)