这让我大吃一惊 🤯 我刚刚阅读了一篇关于 ARC 的 MIT 论文，它完全改变了我对基准测试的看法。 研究人员根本没有把 ARC 当作逻辑难题。他们把每个任务都视为一种视觉转换。 网格输入 → 网格输出。没有比这更复杂的了。 他们构建了一个小型视觉变换器，从头开始在 ARC 的小数据集上进行训练，并使用一个简单的画布技巧将每个示例放置成图像。 然后他们添加了尺度变化、平移和经典计算机视觉工作中会看到的基本视觉先验。 就这样。 没有思维链，没有提示，没有巧妙的符号技巧。 只是一个模型在观察像素，学习形状如何移动、翻转、增长、收缩或传递。 疯狂的部分？ 这个小模型单独达到 54.5%，与 U-Net 结合时达到 60.4%。 这大约是普通人类表现的平均水平，而这个模型的大小仅相当于一个小型移动应用。 以这种方式看到 ARC 被解决，使整个基准测试感觉不同。 这些任务突然看起来像图像映射，而不是隐藏规则。反射任务实际上看起来像反射。 对称任务看起来像对称。重力任务看起来像“掉落”在画布上的物体。 ...