هوش مصنوعی

عامل ادراک مکانی امتیاز عامل SARBLOH را در آزمون ARC-AGI-3 بالا برد

پژوهشگران می‌گویند تبدیل صفحه‌های بازی به توصیف هندسی، به SARBLOH کمک کرد با مصرف توکن کمتر و کارایی بیشتر مسئله‌ها را حل کند؛ اما حدس دربارهٔ قابلیت اشیا همچنان به راستی‌آزمایی نیاز دارد.

۲ دقیقه مطالعه
Figure 3: One real turn, end to end ( ls20 , level 1, Run B, briefing on, Section 5.2 ; transcript and frames as logged). (a) The map the engine drew for the opening frame. (b) An excerpt of the briefing sent with it: me
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پیش‌چاپی در arXiv، عامل متن‌باز و دارای وزن‌های قابل‌دسترسی SARBLOH را معرفی می‌کند؛ سامانه‌ای که برای بازی‌های دیداری ARC-AGI-3 به‌جای تمرکز بر توان برنامه‌ریزی، بر ادراک مکانی تکیه دارد. به‌گفتهٔ نویسندگان، خواندن مستقیم شبکه‌های عددی، ساختار فضایی را از بین می‌برد و باعث می‌شود مدل‌ها با صرف کنش‌های بسیار، مرزها و تقارن‌های ساده را دوباره کشف کنند.

موتور ادراکی SARBLOH بدون پارامتر و با پیچیدگی O(HW)، هر فریم را در ۳۵ میلی‌ثانیه به فهرستی از اشیا، ردیابی زمانی دوبخشی و توضیحی هندسی تبدیل می‌کند. این توضیح، ویژگی‌های تأییدشده را از فرضیه‌های مربوط به قابلیت اشیا جدا می‌کند و همراه با تصویری حاشیه‌نویسی‌شده در اختیار عامل قرار می‌گیرد. سامانه همچنین به‌جای صدور حرکت‌های سطح پایین، فرضیه‌های الگوریتمی را به شکل کد اجرا می‌کند.

در ارزیابی هشت‌مرحله‌ای، امتیاز معیار پژوهش از ۳ از ۲۸ به ۲۵ از ۲۸ رسید و مصرف توکن ۸۹٫۴ درصد کاهش یافت. در ۲۳ بازی کنارگذاشته‌شده برای آزمون، ویژگی‌های هندسی با دقت ۱۰۰ درصد تعمیم یافتند، اما حدس دربارهٔ قابلیت اشیا بر پایهٔ یک فریم فقط در ۶ تا ۵۰ درصد موارد درست بود؛ بنابراین نویسندگان می‌گویند بررسی فعال این فرضیه‌ها همچنان ضروری است.

در مجموعهٔ عمومی، اجرای بدون توضیح هندسی ۱۴۳ سطح از ۱۸۳ سطح را در ۸٫۲ ساعت حل کرد و به کارایی تک‌گذر ۵۹٫۴ درصد رسید؛ با فعال‌کردن توضیح، این رقم به ۶۳٫۵ درصد افزایش یافت. در ارزیابی مخفی Kaggle، SARBLOH طی مهلت ۹ساعته و با یک GPU از نوع RTX PRO 6000 امتیاز ۱۶٫۵۳ گرفت؛ مقاله این نتیجه را ۱۳٫۷ برابر امتیاز نخستین برندهٔ Milestone گزارش می‌کند. این مقاله پیش‌چاپ است و برای مسیر مقاله‌های ARC Prize 2026 ارسال شده است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست