Each language version is independently generated for its own context, not a direct translation.
这是一篇关于ARC-AGI-3的论文介绍。简单来说，这是人工智能领域的一个全新“考试”，用来测试 AI 是否真的变聪明了，还是只是在“死记硬背”。
为了让你更容易理解，我们可以把这篇论文想象成一场**“超级侦探训练营”**的招募说明。
1. 背景：为什么需要新考试？（以前的考试失效了）
想象一下，以前的 AI 考试（ARC-AGI-1 和 2）就像是做数学题。
- 以前的模式：给你几个例子（比如：红方块变蓝方块），让你猜规则，然后做新题。
- 问题：现在的 AI 太聪明了，它们学会了“作弊”。它们不是真的理解了规则，而是通过海量的训练数据，背下了这些题目的答案，或者通过“试错”蒙对了答案。就像学生死记硬背了题库，虽然分数很高，但换个新题型就傻眼了。
- 现状：到了 2026 年，最先进的 AI 在这些旧考试中，虽然能拿一点分，但离人类水平还差得远（人类能拿 100 分，AI 连 1% 都难）。
2. 新考试：ARC-AGI-3 是什么？
ARC-AGI-3 不再考“做题”，而是考**“玩新游戏”**。
- 场景设定：想象你被扔进了一个完全陌生的电子游戏世界（比如一个迷宫或一个从未见过的桌游）。
- 规则：
- 没有说明书：没人告诉你怎么玩，也没人告诉你目标是什么（比如“找到宝藏”或“到达终点”）。
- 没有语言：游戏里没有文字提示，只有图形和颜色。
- 全靠摸索：你必须自己观察、尝试、犯错，然后自己猜出游戏规则和胜利条件。
- 核心挑战：这就像把你扔进一个陌生的森林，你不仅要认路，还要自己发明指南针，甚至要自己决定“我要去哪里”。
3. 怎么给 AI 打分？（不看结果，看效率）
以前的考试只看“做对了吗”，现在的考试看**“做得有多快、多省力”**。
- 比喻：
- 笨办法（低分）：像无头苍蝇一样乱撞，撞了 1000 次墙，最后运气好撞开了门。虽然门开了，但这不叫聪明。
- 聪明办法（高分）：观察了一下墙壁的纹理，推断出门在左边，只走了 5 步就找到了。
- 评分标准：
- 我们拿人类作为标尺。如果人类平均走 10 步通关，AI 也走 10 步，那就是满分。
- 如果 AI 走了 100 步才通关，分数就会变得极低（因为它是按“步数”的平方来惩罚的，走错一步代价很大）。
- 目标：AI 必须像人类一样，第一次接触这个游戏就能迅速理解并高效通关。
4. 考试的四大核心能力
这个考试主要测试 AI 的四种“侦探”能力：
- 探索（Exploration）：主动去试错，而不是被动等待信息。
- 建模（Modeling）：在脑子里构建一个“世界地图”，预测下一步会发生什么。
- 定目标（Goal-Setting）：自己发现“哦，原来那个闪烁的东西是目标”，而不是别人告诉它。
- 规划（Planning）：制定计划并执行，如果走错了能灵活调整。
5. 目前的测试结果：AI 还很菜
论文公布了一个惊人的数据：
- 人类：经过测试，100% 的人类参与者都能在规定时间内通关所有游戏。
- 顶尖 AI：截至 2026 年 3 月，全球最厉害的 AI 模型（如 Google、OpenAI 的最新版本），在这个新考试中的得分不到 1%。
这意味着什么？
这意味着现在的 AI 虽然能写诗、写代码、聊天，但在**“面对完全未知的新环境，像人一样灵活思考”这件事上，它们还非常笨拙。它们还是依赖“死记硬背”和“大量试错”，缺乏真正的直觉和举一反三**的能力。
6. 为什么要设计这么难的考试？
作者认为，真正的通用人工智能（AGI），不应该只是“百科全书”或“计算器”，而应该是一个**“万能学徒”**。
- 给它一个新工作，它不需要重新培训，就能像人类一样快速上手。
- ARC-AGI-3 就是为了测试 AI 是否具备这种**“快速适应未知世界”**的能力。
总结
这篇论文介绍了一个全新的、更难的 AI 测试场。
它不再让 AI 做选择题，而是把它们扔进陌生的游戏里，看它们能不能自己悟出规则、自己定目标、并高效地解决问题。
目前的结论很扎心：虽然 AI 进步很快，但在“像人一样灵活思考”这件事上，我们还有很长的路要走。 现在的 AI 更像是个“超级学霸”，但还没成为一个“聪明的探险家”。