看了一圈ARC-AGI的榜单，大公司还在那儿吭哧吭哧用LLM堆数据、烧钱做SFT，结果人家用个简单的自回归Transformer，从头训练1.5小时，直接干翻了之前不少模型。这成本对比，简直是“十倍速”效率的完美体现。
最讽刺的是，这帮搞LLM的总爱吹“泛化能力”，结果在ARC这种考验抽象推理的benchmark上，性能提升居然主要靠的是“后训练”和“合成数据”。说白了，很多模型只是在学习解决特定的ARC任务，而不是真正学会了抽象推理。这窗口期不就来了吗？说明这个赛道远没到终局，小团队靠架构和训练技巧的巧劲，完全有机会弯道超车。格局打开，别老盯着大模型那一亩三分地了。