BenchmarkGlobal
ARC-AGI-3 soll agentische KI unter offenen Mehrschritt-Aufgaben prüfen
Ein am 24. März veröffentlichter Benchmark testet agentische KI in turn-basierten Umgebungen statt mit kurzen Einzelantworten. Laut der Arbeit lösen Menschen alle Aufgaben, während Frontier-Modelle unter 1 Prozent bleiben.
arXiv