Pratinjau ARC-AGI-3: +3 Game Dirilis Kami telah membuka 3 game penahanan pribadi sebelumnya dari Kompetisi Agen Pratinjau Sekarang 6 game tersedia untuk dimainkan secara online dan melalui Agents API Setiap game dipilih untuk memperluas kebaruan game publik ARC-AGI-3 Bisakah Anda mengalahkan mereka?

Menjadi pro-teknologi tidak berarti buta terhadap efek negatif dari teknologi baru. Ini adalah latihan optimisme pragmatis - memaksimalkan sisi positif sambil mengelola sisi negatif.

Kami dapat mereproduksi temuan kuat dari makalah HRM tentang ARC-AGI-1. Selanjutnya, kami menjalankan serangkaian eksperimen ablasi untuk mengetahui apa yang ada di baliknya. Temuan utama: 1. Arsitektur model HRM itu sendiri (inti dari kertas) bukanlah faktor penting. 2. Loop penyempurnaan luar (hampir tidak disebutkan dalam makalah) adalah pendorong utama kinerja. 3. Pembelajaran transfer lintas tugas tidak terlalu membantu. Yang penting adalah pelatihan tentang tugas yang akan Anda uji. 4. Anda dapat menggunakan augmentasi data yang jauh lebih sedikit, terutama pada waktu inferensi. Temuan 2 & 3 berarti bahwa pendekatan ini adalah kasus *zero-pretraining test-time training*, mirip dengan makalah "ARC-AGI tanpa pretraining" yang baru-baru ini diterbitkan oleh Liao et al.

Google baru saja merilis LLM kecil baru dengan kinerja luar biasa - Gemma3 270M. Sekarang tersedia di KerasHub. Coba preset baru 'gemma3_270m' dan 'gemma3_instruct_270m'!

Pertanyaan terbuka tentang ekonomi pemesanan kendaraan tanpa pengemudi: 1. Apa pengurangan biaya (melalui Uber/Lyft) untuk menghapus pengemudi? 2. Berapa pengurangan biaya itu meningkatkan permintaan? 3. Apakah perubahan UX akan memengaruhi permintaan secara signifikan? 4. Apakah kita akan melihat peningkatan besar dalam ketersediaan geografis (tidak perlu pengemudi = dapat menempatkan lebih banyak taksi di jalan)? Untuk 1: biaya tenaga kerja perjalanan Lyft/Uber setelah memperhitungkan yang lain hanya 20-40% dari harga, yang membatasi pengurangan pada -40% dalam skenario kasus terbaik. Namun jaringan taksi tanpa pengemudi akan memiliki biaya tetap yang jauh lebih tinggi (insinyur AI, pusat data) dan biaya unit tambahan bukan nol (pembersihan interior yang sering, amortisasi perangkat keras self-driving), jadi secara realistis kami melihat lebih dari -15-20%. Jadi tidak diragukan lagi bahwa wahana otonom, dalam skala besar, akan lebih murah daripada layanan ride hailing saat ini. Tetapi ukuran efeknya akan jauh lebih kecil dari yang diharapkan kebanyakan orang. Mereka masih akan cukup mahal. Untuk 2: mungkin tidak terlalu banyak -- karena penetapan harga yang dinamis, harga sudah berfluktuasi lebih dari ini, dan beberapa tahun yang lalu Uber sangat mensubsidi permintaan, jadi kami memiliki beberapa data tentang apa yang akan terjadi dengan perjalanan 20% lebih murah. TAM di daerah yang sudah dilayani dengan baik oleh Uber/Lyft mungkin tumbuh ~20% dalam hal mil, sambil tetap konstan dalam hal dolar. Untuk 3: kami sudah tahu (melalui penerapan Waymo) bahwa orang lebih suka tidak memiliki pengemudi di dalam mobil, dan pelanggan yang tidak sensitif terhadap harga bersedia membayar lebih untuk pengalaman itu. Itu tidak semuanya positif: ada kekhawatiran tentang kebersihan mobil (mudah ditangani, tetapi itu meningkatkan biaya unit). Secara keseluruhan saya tidak berpikir perubahan UX akan meningkatkan TAM banyak, karena bagi kebanyakan orang harga dan ketersediaan akan menjadi faktor penting. Untuk 4: ini adalah salah satu yang lebih dari wildcard. Sebagian besar biaya jaringan otonom adalah biaya tetap; Biaya unit tambahan terutama adalah amortisasi biaya mobil (kesalahan pembulatan) dan pembersihan. Ini berarti bahwa jaringan otonom memiliki potensi untuk memiliki jangkauan yang jauh lebih tinggi daripada jaringan Uber/Lyft saat ini. Tetapi tentu saja tidak akan terjadi bahwa jaringan ini akan meluas *ke mana saja*, setidaknya tidak dengan waktu tunggu yang singkat. Saya pikir kita akan melihat beberapa peningkatan TAM dari efek ini, mungkin +20-30%. Secara keseluruhan: kita harus mengharapkan peningkatan TAM bertahap dalam hal dolar, tetapi secara keseluruhan pasar akan lebih seperti Uber++ daripada paradigma transportasi baru. Kebanyakan orang di AS, terutama di luar daerah padat, masih akan mengendarai mobil mereka sendiri.

Sesuatu yang menyenangkan yang kami temukan: Anda dapat menggunakan #Genie3 untuk masuk dan menjelajahi lukisan favorit Anda. Berikut adalah kunjungan singkat ke "Nighthawks" karya Edward Hopper.

Grok 4 masih canggih di ARC-AGI-2 di antara model perbatasan. 15.9% untuk Grok 4 vs 9.9% untuk GPT-5.

Grok 4 masih canggih di ARC-AGI-2 di antara model perbatasan. 15.9% untuk Grok 4 vs 9.9% untuk GPT-5.

Hasil GPT-5 pada ARC-AGI 1 & 2! Garis atas: 65.7% pada ARC-AGI-1 9.9% pada ARC-AGI-2

Kaggle baru saja meluncurkan kompetisi NeurIPS 2025 Code Golf -- tujuannya adalah agar Anda menulis program solusi Python ke tugas ARC-AGI-1, sambil menjaga program sekecil mungkin. Apakah Anda lebih baik dalam menulis kode daripada model perbatasan?