يقوم مسح حي نُشر في مارس 2026 بتحليل 82 نهجًا عبر ثلاثة إصدارات من معيار Abstraction and Reasoning Corpus (ARC-AGI). تكشف الدراسة أنه بينما تحقق النماذج الرائدة مثل Opus 4.6 دقة بنسبة 93.0% على ARC-AGI-1، ينخفض الأداء إلى 68.8% على ARC-AGI-2 و13% على ARC-AGI-3.
- تدهور الأداء بمقدار 2-3 مرات ثابت عبر توليف البرامج، والنماذج العصبية الرمزية، والبارادايم العصبي من الإصدار 1 إلى 2.
- انخفضت تكاليف الاختبار بنسبة 390 مرة في عام واحد، من $4,500/مهمة لـ o3 إلى $12/مهمة لـ GPT-5.2، على الرغم من أن هذا يعكس انخفاض التوازي أثناء وقت الاختبار.
- حققت الإدخالات المقيدة بواسطة Kaggle ذات المعاملات بين 660M و8B نتائج تنافسية، مما يدعم الأطروحة القائلة بأن الذكاء هو كفاءة اكتساب المهارات.
- تطلب الفائزون بجائزة ARC Prize 2025 مئات الآلاف من الأمثلة الاصطناعية للوصول إلى 24% فقط على ARC-AGI-2.
يستنتج المؤلفون أن الاستدلال التركيبي والتعلم التفاعلي لا يزالان تحديين غير محلولين، حيث تظل الأنظمة الحالية مقيدة بالمعرفة بدلاً من إظهار ذكاء سائل حقيقي.