El modelo NVIDIA AVO ha obtenido una puntuación perfecta en la prueba ARC-AGI-3. Completó con éxito los 183 niveles en 25 entornos públicos sin instrucciones, reglas explícitas ni objetivos declarados.
El Desafío de Razonamiento del Modelo Nemotron de NVIDIA invitó a la comunidad de Kaggle a explorar técnicas que mejoren la precisión del razonamiento bajo restricciones compartidas de modelos abiertos, benchmarks e infraestructura. Al cierre de la competencia, más de 5.000 participantes activos en 4.000 equipos habían generado miles de presentaciones.
Los investigadores de NVIDIA Ivan Sorokin y Jean-Francois Puget ganaron el Kaggle ARC Prize 2025, obteniendo el primer lugar en el tablero público con una puntuación del 27.64% en la prueba ARC-AGI-2. Su solución, llamada NVARC, utilizó una variante de modelo de 4B ajustada que superó a modelos más grandes con solo 20 centavos por tarea.
NVIDIA ha lanzado su arquitectura AVO, que obtiene una puntuación perfecta en la prueba ARC-AGI-3. El sistema está diseñado para apoyar agentes autónomos de horizonte largo mediante la gestión del contexto, el uso de herramientas y la recuperación del estado.
Un nuevo método llamado ajuste de prueba y refinamiento utiliza sondas sintéticas de corrección de errores para mejorar iterativamente los archivos de guía del repositorio con llamadas LLM de un solo disparo, sin bucles de agente ni uso de herramientas. En SWE-bench Verified, alcanza una tasa media de resolución del 33,0 % —14,5 puntos porcentuales más alta que la base de conocimientos estática inicial—, lo que muestra una cobertura mejorada en lugar de una precisión de parche. El método permite a los agentes utilizar presupuestos de pasos más grandes de manera efectiva, y el rendimiento se mantiene estable entre modelos cuando la salida diagnóstica es suficiente.
QMFOL es un marco automatizado que genera tareas de razonamiento en lógica de primer orden monádica con complejidad cuantificable. Produce 2880 instancias de evaluación en 960 configuraciones, evaluando seis modelos grandes de razonamiento y dos LLMs, mostrando degradación del rendimiento y aumento del costo computacional a medida que la complejidad lógica aumenta.
Usamos cookies para medir el tráfico y mejorar el sitio. Puedes aceptar o rechazar las cookies de analítica. Política de privacidad