ARC-AGI-2：挑战AI通用智能的新高度

字数 950，阅读大约需 5 分钟

深入探讨ARC-AGI-2：挑战AI通用智能的新标杆

近日，由著名AI研究者François Chollet^[1]共同创立的Arc Prize基金会^[2]推出了一项旨在衡量AI模型通用智能水平的新测试——ARC-AGI-2。这项测试不仅对现有的顶尖AI模型提出了前所未有的挑战，同时也为技术界提供了一个衡量AI进展的新标准。

在此次测试中，即便是表现最佳的AI模型如OpenAI^[3]的o1-pro、DeepSeek^[4]的R1等，得分也仅徘徊在1%至1.3%之间，远低于参与测试的人类平均得分60%。这一结果凸显了当前AI技术与人类智能之间的差距，特别是在适应新问题和即时解释模式的能力方面。根据Arc Prize排行榜，诸如OpenAI的o1-pro和DeepSeek的R1等“推理型”AI模型在ARC-AGI-2测试中的得分仅在1%到1.3%之间，而更为强大的非推理模型，例如GPT-4.5、Claude3.7Sonnet和Gemini2.0Flash的得分也大约在1%。

值得注意的是，ARC-AGI-2相较于前一代，在设计上做出了多项改进，尤其是引入了‘效率’作为评估指标，强调AI系统在获取新技能时不仅要解决问题，还要做到高效。这标志着AI发展的一个重要转变，即从单纯追求技术性能到更加注重实际应用中的效率和成本效益。与ARC-AGI-1相比，ARC-AGI-2的设计改进了多个方面，尤其是引入了“效率”这一新指标，并要求模型在没有依赖记忆的情况下即时解释模式。正如Arc Prize基金会的共同创始人Greg Kamradt所言，智力不仅仅体现在解决问题的能力上，效率同样是一个关键因素。

面对这样的挑战，Arc Prize基金会宣布了2025年的Arc Prize竞赛，目标是激励开发者们在保证低成本的同时，大幅提升AI在ARC-AGI-2测试中的表现。这次竞赛无疑将推动AI领域的进一步创新和发展，特别是对于那些致力于开发更接近人工通用智能（AGI）技术的研究团队来说，是一个不可多得的机会。Arc Prize基金会还宣布了2025年的Arc Prize竞赛，挑战开发者在ARC-AGI-2测试中达到85%的准确率，而每个任务的花费仅为0.42美元。

ARC-AGI-2的发布正值技术界对新的AI进展衡量标准的呼声日益高涨。Hugging Face^[5]的联合创始人Thomas Wolf曾表示，AI行业缺乏足够的测试来衡量被称为人工通用智能的关键特征，包括创造力。而ARC-AGI-2的推出，无疑为这一领域提供了一个全新的、更为严格的评估标准。