OpenAI-এর GPT-6 Astra আমাদের স্ট্যান্ডার্ড হার্নেসের সাথে ARC-AGI-3 সেমি-প্রাইভেট-এ $26K-এর জন্য 62.7% এবং প্রোভাইডার অ্যাডাপ্টার হার্নেসের সাথে $19K-এর জন্য 99.9% স্কোর করে। উভয়ই সর্বাধুনিক স্কোর।

GPT-6 Astra ARC-AGI-3-এ কর্ম দক্ষতায় মানব বেসলাইনকে ছাড়িয়ে যায়, 96% স্তরে পরীক্ষিত মানবের মধ্যমার চেয়ে কম কর্ম ব্যবহার করে। এটি অপরিচিত পরিবেশকে কমপ্যাক্ট সিম্বলিক ওয়ার্ল্ড মডেলে রূপান্তরিত করে, গেম মেকানিক্সকে লজিক্যাল নিয়ম হিসেবে উপস্থাপন করে এবং নিজস্ব ডোমেইন-নির্দিষ্ট ভাষা শর্টহ্যান্ড তৈরি করে।

ARC-AGI-3 হল অভিনব, বিমূর্ত, টার্ন-ভিত্তিক পরিবেশের মাধ্যমে এজেন্টিক বুদ্ধিমত্তা অধ্যয়নের জন্য একটি বেঞ্চমার্ক। এজেন্টদের অবশ্যই অন্বেষণ করতে হবে, লক্ষ্য অনুমান করতে হবে এবং কর্ম পরিকল্পনার জন্য অভ্যন্তরীণ মডেল তৈরি করতে হবে। মানুষ 100% পরিবেশ সমাধান করতে পারে। লক্ষ্য হল বর্তমান AI এবং AGI-এর মধ্যে অবশিষ্ট ব্যবধান পরিমাপ করা।

ARC-AGI-3 চারটি উপাদান পরীক্ষা করে: অন্বেষণ, মডেলিং, লক্ষ্য-নির্ধারণ এবং পরিকল্পনা/নির্বাহ। উচ্চতর যুক্তির স্তর সাধারণত কম খরচে হয় কারণ Astra কম কর্মে গেম সমাধান করে, মডেল কল এবং টোকেন হ্রাস করে। খরচ তুলনার জন্য, মানব অংশগ্রহণকারীদের প্রতি 90 মিনিটের সেশনে $115 দেওয়া হয়েছিল, প্রতি সম্পন্ন গেমের জন্য $5 অতিরিক্ত।

মূল সত্তা: কোম্পানি: OpenAI