ARC-AGI-1：抽象与推理语料库如何评测模型的泛化能力

ARC-AGI-1 通过少量网格输入-输出示例考察模型能否推断底层规则并泛化到新测试任务，任务涵盖对称性、组合规则、对象分组和算法流程，且不依赖自然语言监督。其得分按任务通过率计算，看似简单的问题往往也要求模型具备连贯的内部表征与类似编写短程序的规划能力。