研究LLM能否自主构建并改进任务执行框架

2026年10月23日，一项发表于arXiv的受控研究探讨前沿模型能否在ARC-AGI-3上自主构建并改进任务执行框架（harness）。研究让前沿模型通过固定编码引导自行构建完整任务harness，在5个开发游戏上运行并两次改写全部代码，再在20个未参与适配的游戏上评估。结果显示，27条谱系中harness表现从零到接近满分，但两次修订仅将留出集平均RHAE提升2.80点（95%区间[-1.44,7.35]）。研究由Jens Lehmann、Sahar Vahdati发表，核心问题是前沿模型能否自行构建并改进此类harness。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。