LLM | ARC-AGI：有趣的 benchmark
ARC-AGI benchmark 提供了基于视觉网格的谜题，这些谜题是“对于人类简单、对于大模型困难”的问题。ARC-AGI 通过评测大模型解决这类问题的能力，来衡量大模型距通用智能的距离。
每个谜题仅提供少量示例，大模型需要基于这些示例，通过抽象推理，理解谜题的含义。（另一方面，示例较少也意味着训练数据集较少，即，ARC-AGI benchmark 不容易通过专门训练来刷点。）该 benchmark 测试模型识别 pattern 并将其快速应用于新情况的能力。
ARC-AGI 的主要评估指标是 Pass@2，它衡量模型在两次尝试内生成正确输出的能力。
示例：
(ARC-AGI-1)
(ARC-AGI-2)
如何解决 ARC-AGI 问题？ARC-AGI 团队在 Kaggle 上发布了相关竞赛，然而，由于训练数据过少，无法训出一个用于解决 ARC-AGI 问题的模型（这个思想也与考察模型通用推理能力的初衷相悖），因此在 2024 年 GPT 等模型兴起之前，基于深度学习的方法并未取得好的结果。
根据 ARC Prize 2024: Technical Report，在 2024 年度，ARC-AGI 的求解取得突破，主要使用了以下三种方法：
- 深度学习引导的程序合成：利用深度学习模型，特别是专门的代码 LLMs，来生成解决任务的程序，或对搜索程序的过程进行指导。
- 直推模型（transductive models）在测试时训练（test-time training，TTT）：在给定的 ARC-AGI 任务规范上对 LLM 进行微调，以便将 LLM 的先验知识重新组合成一个新的模型，适应当前的任务。直推模型指的是，接收输入后直接输出结果，而非输出一个程序。
- 将程序合成与直推模型相结合：将上述两种方法合并为一个超级方法，因为据观察，这两种方法擅长解决不同类型的任务。
ARC-AGI 任务的官网：https://arcprize.org/
ARC-AGI-1/2/3 ：
ARC-AGI-1/2 的榜单：https://arcprize.org/leaderboard
ARC Prize 2024: Technical Report：https://arxiv.org/html/2412.04604v1
相关博客：
- 像 AI 写的神秘博客：https://labs.adaline.ai/p/what-is-the-arc-agi-benchmark-and
- 知乎 · 机器之心 |「压缩即智能」得到实验验证，无需预训练和大量数据就能解决 ARC-AGI 问题：https://zhuanlan.zhihu.com/p/30426666081
- 知乎 | ARC-AGI 测试集对人工智能来说难在哪里？https://www.zhihu.com/question/7955529556/answer/65269819236
浙公网安备 33010602011771号