ARC Prize 公布 Grok 4.7 在 ARC-AGI 系列基准上的成绩

ARC Prize 官方账号（2026-10-06）公布了 Grok 4.7 在 ARC-AGI-1、ARC-AGI-2 和 ARC-AGI-3 Verified 上的成绩及任务成本；这值得关注，因为同一模型在不同版本基准上的得分差异，可以反映任务设计、评测协议和资源消耗对结果的影响。

• 输入材料给出的成绩为 ARC-AGI-1 90.2%、ARC-AGI-2 61.4%，以及 ARC-AGI-3 在不同 harness 下的 1.8%和 10.0%。
• ARC Prize 官方说明，ARC-AGI 关注陌生任务上的技能获取效率、抽象和泛化，而不是一般知识问答能力。
• ARC-AGI-3 的两组结果使用不同 harness 和成本，不能简单视为同一条件下的直接横向比较。
• 与 Grok 4.6 的升降关系只能说明在这些特定测试配置下的变化，不能直接推导整体模型能力或通用智能水平。
• 影响/看点：结果可能促使模型评测更重视可复现的运行协议、成本和代理工具配置；其解释力取决于测试集隔离、提示与工具条件、重复实验和独立复核。
• 资料依据:
• ARC Prize（2026-10-06）：https://x.com/arcprize/status/2107511511782420924
• ARC-AGI Series（2026-10-05）：https://arcprize.org/arc-agi
• ARC-AGI-3 竞赛页面（2026-10-05）：https://www.kaggle.com/competitions/arc-agi-3

本内容由 AI 生成，仅供参考，请注意甄别