حقق باحث مستقل نتيجة قياسية جديدة بنسبة 29.4% على معيار ARC-AGI v2، متجاوزاً أفضل نتيجة سابقة بلغت 25%، عن طريق استبدال توليد أكواد Python بتعليمات لغة طبيعية تطورت عبر بنية حوسبة وقت الاختبار التطورية.
يستخدم النظام Grok-4 لتوليد تعليمات باللغة الإنجليزية البسيطة لحل مهام التعرف على الأنماط المجردة، والتي يتم اختبارها وتحسينها لاحقاً من خلال دورات مراجعة فردية ومجمعة. ينتج عن هذا النهج نتيجة بنسبة 79.6% على ARC-AGI v1 بتكلفة 8.42 دولار لكل مهمة، مما يجعله أكثر كفاءة بـ 25 مرة من النسخة الأولية o3 الخاصة بـ OpenAI.
يجادل المؤلف بأن نماذج اللغات الكبيرة (LLMs) تواجه صعوبات في التعميم بسبب "مناطق التفكير الميتة" حيث يفشل المنطق خارج توزيعات التدريب، ويقترح تطوير تعليمات اللغة الطبيعية كطريقة لسد الفجوة بين الاستنتاج المجرد الشبيه بالبشري والقدرات الحالية للذكاء الاصطناعي.