ARC-AGI-3 基准测试结果显示，当前主流前沿大模型得分均低于 1%，远低于人类 100% 的得分，凸显了通往 AGI 的巨大差距。
📝 详细摘要
该推文引用了 ARC-AGI-3 基准测试的发布信息。测试结果显示，包括 Opus、GPT-5.4、Gemini 3.1 和 Grok 4.20 在内的前沿大模型在测试中的得分均不足 1%，而人类得分达到 100%。该基准测试旨在评估模型的学习能力而非知识储备，结果表明目前的大模型在处理未见过的任务时，与人类智能仍存在本质差距，尚未达到 AGI 水平。
📊 文章信息
AI 评分：80
来源：马东锡 NLP(@dongxi_nlp)
作者：马东锡 NLP
分类：人工智能
语言：中文
阅读时间：1 分钟
字数：126
标签： ARC-AGI-3, AGI, LLM, 基准测试, 人工智能