ARC Prizeは、Google DeepMindのGemini 4 ArgonがARC-AGI-3で97.5%の検証済みスコアを獲得したと正式に発表した。これによりGoogleは、OpenAIに次いで95%の壁を突破した2番目のAIラボとなった。GPT-6 Astraの99.9%に次ぐ成績である。
ARC-AGI-3は「AGI究極の試験」と呼ばれる。説明書も事前の指示もない。モデルはまったく未知のグリッドゲームに放り込まれ、ルールを自分で推測し、目標を見つけ、クリアへの道筋を自力で立てる必要がある。7か月前の公開当初、すべてのフロンティアモデルが1%未満だった。
注目点は3つ。第一に、その場で学ぶ本物の能力だ。25の公開ゲームで、Argonは人間ベースラインより62%少ないアクションでクリアし、3ゲームでスピードラン記録に並んだ。第二に、スコアはテスト環境に依存する。統一標準ハーネスでは同じモデルが49.8%にとどまり、差のほぼ半分はテストハーネスに由来する。第三に、旧バージョンの成績も強い。ARC-AGI-2で91.3%、ARC-AGI-1で98.5%だ。Epoch Capabilities IndexはArgonに165ポイントを与え、トップに近い。ただし数学とソフトウェア工学は依然として弱点である。
原文リンク：原文を読む。本記事は参考用の要約です。
