代码智能体是否需要可执行世界模型、简化和验证来解决ARC-AGI-3？

arXiv:2607.15439v1 公告类型：新 摘要：我们之前的ARC-AGI-3智能体集成了可执行世界建模、计划性简化和精确回放验证，但尚不清楚是哪个思路带来了其性能提升。为了解决这个归因问题，我们设计了四个嵌套的基于Codex的智能体：一个文本基线；一个没有回放验证的灵活接口可执行世界模型；同一个可执行模型加上计划性简化；以及一个保留简化并要求精确复现记录观察的固定接口验证处理。主要研究使用gpt-5.4和gpt-5.5在高和极高推理努力下对公开的ARC-AGI-3游戏对所有四个智能体进行了评估。探索性后续实验使用gpt-5.6-sol在极高和最大推理努力下评估了文本和验证变体。最稳健的结果是，每个智能体变体都随着更强的模型和更高的推理努力而改进。在每个模型-努力设置内，变体之间的差异小于预期，而各个组件的影响因设置而异。要求持久可执行交付并不总是有益的：在gpt-5.5的两种设置中，文本变体都优于灵活接口可执行变体。在四个模型-努力设置中的三个中，简化提高了性能，只有最弱的设置是例外。完整的验证处理在所有四个设置中排名第一，尽管它使用了更多资源。在gpt-5.6-sol的后续实验中，验证变体在两种推理努力下都完全解决了每个公开游戏，达到了约99%的RHAE，并且使用的总动作数不到人类基线的一半。由于模型是在这些游戏之后出现的，并且保留集的表现尚未测试，因此该结果应仅解释为公开集的饱和。

# 编码智能体需要可执行世界模型、简化与验证来解决 ARC-AGI-3 吗？
来源: https://arxiv.org/abs/2607.15439
文献管理工具

## 文献管理与引文工具

文献浏览器 切换

代码、数据与媒体

## 本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐工具与搜索工具

关于 arXivLabs

## arXivLabs：与社区合作者的实验项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和分享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织已接受并认同我们的价值观：开放、社区、卓越和用户数据隐私。arXiv 致力于这些价值观，仅与遵守这些价值观的合作伙伴合作。

有一个能为 arXiv 社区带来价值的项目想法吗？**了解更多关于 arXivLabs 的信息** (https://info.arxiv.org/labs/index.html).