Can Environment-Agnostic Agents Solve ARC-AGI-3 from Warped and Noisy Images?
本文表明，尽管环境无关型智能体在处理严重扭曲和噪声图像的 ARC-AGI-3 任务时表现挣扎，但 GPT-6-astra 模型在这些极端条件下实现了接近天花板的性能，通过有效地将图像处理与不确定性下的决策相结合，显著超越了 GPT-5.6-sol。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个计算机程序，它必须学习玩游戏，但不是通过阅读规则或查看清晰的数字网格，而是通过观察游戏的图像。这就是构建环境无关型智能体（environment-agnostic agent）的挑战：一个单一的软件大脑，能够进入不同的数字世界，仅通过观察就能弄清其运作方式，并在无需为每个新游戏重新编程的情况下采取行动以获胜。当它看到的图像并不清晰时，难度会成倍增加。如果图像模糊且带有静电噪声，或者棋盘本身看起来是弯曲、拉伸或扭曲的，仿佛透过哈哈镜观察一样，情况会如何？在现实世界中，我们的眼睛和大脑能够非常出色地纠正这些畸变，但对于机器来说，看到一个扭曲的目标，并据此确定在原始平整棋盘上的精确点击位置，是对智能的一次深刻考验。这个问题处于一项新研究的核心，该研究正在探索人工智能是否能够学会透过视觉混沌的迷雾看清事物。
SingularityNET 的研究人员通过向一种特定类型的智能体输入一系列被称为 ARC-AGI-3 的逻辑谜题来测试这一点。这些谜题旨在测试推理能力，要求求解者发现隐藏的规则和模式。在这项实验中，智能体从未获得过清晰的数字列表或棋盘的文本描述。相反，它只接收图像。为了让任务变得极其困难，研究人员故意破坏了这些图像。他们加入了随机静电噪声，类似于旧电视屏幕上的颗粒感，并应用了几何变形，将棋盘的直线弯曲成曲线，或彻底改变了透视角度。至关重要的是，这种畸变在智能体看到的每一帧画面中都会发生变化，这意味着即使游戏状态没有改变，棋盘看起来也会不同。智能体必须观察一张扭曲且多噪的图像，弄清发生了什么，然后提交原始未变形棋盘上的精确坐标以进行移动。这就像是通过一个不断变形且肮脏的摇晃窗户去瞄准墙上的目标。
该研究对比了两种不同版本的人工智能——一个较旧的版本和一个较新的版本——以观察它们如何应对这种视觉混沌。面对扭曲的图像时，旧版本表现得相当吃力。它的性能大幅下降，尤其是在图像以复杂方式弯曲时。研究人员发现，图像的弯曲对机器造成的困扰远比单纯的静电噪声要大。为了帮助旧版智能体，科学家们引入了一个简单的工具：“光标反馈”（cursor feedback）功能。这允许智能体提议一个位置，并查看该点在扭г图像中的呈现效果，本质上是让它在正式提交前检查自己的猜测。这帮助旧版智能体恢复了一些丧失的能力，特别是在需要点击的游戏中，但它无法克服最严重的畸变。即便有了这种帮助，旧版智能体在面对既有极高噪声又高度扭曲的图像时，仍然无法解决大多数最难的谜题。
然而，较新的那个人工智能表现出了惊人的韧性。面对几乎让旧模型瘫痪的同样严重的畸变，这个智能体解决了几乎所有的谜题，即使在没有光标反馈工具的情况下，成功率也达到了 95% 以上。它成功地驾驭了扭曲且多噪的图像，并正确识别了原始棋盘上的坐标。研究人员在随后的测试中进一步挑战了这个智能体，增加了噪声水平，使单个像素几乎无法辨认，并加入了随机旋转。即使在这些极端条件下，该智能体也没有崩溃。虽然其整体成功率有所下降，但它仍然解决了相当一部分游戏。在其中一个特定的游戏中，尽管图像如此嘈杂且扭曲，以至于在人类看来几乎无法辨认，它仍取得了近乎完美的得分。
为了探究这个智能体为何能取得成功，研究人员查看了它在游戏过程中创建的文件。他们发现，该智能体编写了自己的计算机脚本来处理图像。它利用这些工具清理噪声并拉直弯曲的线条，有效地从混乱的输入中重建了一个清晰的棋盘视图，然后在做出决策前进行处理。这表明，该智能体并非仅仅是在混乱中“瞎猜”，而是利用其开发的工具，主动构建了一个更清晰的现实图景。研究结论指出，虽然严重的视觉畸变可能会使简单的模型失效，但更先进的智能体可以通过建立内部模型并使用图像处理工具来修正其视野，从而学会进行补偿。这些发现表明，实现鲁棒人工智能的路径可能在于，不仅要学会观察呈现给自己的世界，还要学会通过主动努力去理解畸变背后的世界。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。