.@poetiq_ai är en ny startup grundad av tidigare DeepMind-forskare (@itfische & @sbpoetiq) som nyligen gjorde ett stort kliv på ARC-AGI-benchmarken genom att lägga ett rekursivt självförbättringssystem ovanpå Gemini 3. I denna konversation på NeurIPS satte @FrancoisChauba1 sig ner med Poetiqs medgrundare Ian Fischer för att ta reda på hur de ökar prestandan enbart med hjälp av prompts och systemdesign. De utforskar också rekursiv självförbättring, benchmarking av framsteg mot AGI och varför automatisering av prompt engineering kan vara en av de mest kraftfulla verktygen inom AI idag. 00:11 — Introduktion till Poetiq och ARC-AGI-genombrottet 00:49 — Hur stort är prestandahoppet? 01:18 — Ian Fishers bakgrund: YC, Google, DeepMind 02:00 — Rekursiv självförbättring förklarad 03:00 — Varför Poetiq riktade in sig på ARC-AGI 03:58 — Förbättra modeller utan tillgång till vikter 04:26 — Ensembler, röstning och systemnivåoptimering 05:30 — Varför Gemini 3 förändrade allt 06:21 — Vad händer härnäst: Benchmarks, forskning och kunder 07:14 — Är rekursiv självförbättring en väg till AGI? 08:46 — När man ska sluta med backklättring 09:16 — Automatisering av promptingenjörer och agenter