arXiv cs.SE· Jens Lehmann, Sahar Vahdati·· 2 小时前AI 评分50
LLM 能否改进自身的 harness？一项针对 ARC-AGI-3 的受控研究
Can LLMs Improve Their Own Harness? A Controlled Study on ARC-AGI-3
AI 导读
研究在 ARC-AGI-3 上检验前沿模型能否自主构建并改进任务 harness：每个模型通过固定的编码引导流程搭建完整 harness，在 5 个开发游戏上运行，并对整个代码库做两次修订，所有版本都在 20 个不参与适应的游戏上评测。
来源：arXiv cs.SE · arxiv.org