ARC Prize 评测：GPT-6 Astra 展现符号建模能力，基准测试实现重大跨越

X：Testing Catalog（2026-09-03）转述 ARC Prize 对 GPT-6 Astra 的观察，称其能把陌生环境压缩成符号化世界模型，并在 ARC-AGI-3 上取得 63% 标准框架得分，关注价值在于这涉及模型如何表示规则、状态和动作，而不只是最终分数。

• 原帖称 Provider Adapter harness 下得分可达 99%，说明接口和评测流程会显著影响结果。
• 所谓符号世界模型和领域速记语言，是对模型行为的研究性解释，不等同于已公开的内部架构说明。
• OpenAI《GPT-6 Astra System Card》（2026-09-03）公开了多项长程任务、代码调试和工具使用评测，但没有在该系统卡中给出 ARC-AGI-3 分数。
• 因此，ARC 分数和 ARC Prize 的行为观察应与 OpenAI 官方安全评测分开看待。
• 影响/看点：若这种规则抽象能力能迁移到未见过的任务并保持动作效率，可能提升代理处理陌生软件环境的能力；成立条件是独立任务、不同 harness 和重复实验都能得到相近结论。
• 资料依据:
• X：Testing Catalog（2026-09-03）：https://x.com/testingcatalog/status/2095613562668401040
• OpenAI《GPT-6 Astra System Card》（2026-09-03）：https://deploymentsafety.openai.com/gpt-6-astra

本内容由 AI 生成，仅供参考，请注意甄别