ARC那套第三代题一直是个照妖镜，它专门测你没见过的规则能不能现推出来，背语料没用。之前榜首才七点多分，多少大模型进去都是被摁在地上摩擦的状态。
新的Opus上去直接三十点二。不是提了几个点，是把前面那个乘了近四倍。
我觉得这个比编程榜有意思多了。编程榜刷高一点还能解释成见过类似代码，这种没先验的场景一直是堆算力堆不动的地方，能跳这么大说明推理那块是真动了什么东西，不是单纯喂多了数据。
话说回来三十分也就三十分，离人类随手做还差得远。这榜设计者估计正憋着出第四代。
ARC那套第三代题一直是个照妖镜，它专门测你没见过的规则能不能现推出来，背语料没用。之前榜首才七点多分，多少大模型进去都是被摁在地上摩擦的状态。
新的Opus上去直接三十点二。不是提了几个点，是把前面那个乘了近四倍。
我觉得这个比编程榜有意思多了。编程榜刷高一点还能解释成见过类似代码，这种没先验的场景一直是堆算力堆不动的地方，能跳这么大说明推理那块是真动了什么东西，不是单纯喂多了数据。
话说回来三十分也就三十分，离人类随手做还差得远。这榜设计者估计正憋着出第四代。