ARC-AGI-3

Angol megfelelő: ARC-AGI-3

Az ARC-AGI-3 egy 2026-ban indult benchmark, ami nem szöveges tudást mér, hanem azt, hogy egy AI-ágens képes-e ismeretlen, szabály nélkül elé rakott játékszerű feladatokban önállóan felfedezni, mi a cél, majd megtanulni azt.

A korábbi nyelvi tesztekkel szemben (kérdés-válasz, szövegértés) az ARC-AGI-3 emberi tervezésű, körökre osztott interaktív környezeteket ad az ágensnek utasítás, szabályleírás vagy kimondott cél nélkül. Az ágensnek magának kell rájönnie, mi számít nyerésnek, majd a megszerzett tudást a következő, nehezebb pályára is át kell vinnie. A mérés éles kontrasztot ad: ember 100 százalékot old meg, a legjobb AI-modellek a nyilvános eredmény szerint 1 százalék alatt teljesítenek, tehát a benchmark pont azt méri, amiben az AI ma a leggyengébb.

Példa: Egy tizenöt fős logisztikai cég vezetője egy AI-ágenst szeretne bevezetni, ami önállóan rugalmazkodik a raktárkészlet változásaihoz, a beszállítói ajánlat kiválasztásakor viszont az ARC-AGI-3-hoz hasonló, ismeretlen helyzetben való önálló felfedezés hiánya miatt az ágens csak addig működik megbízhatóan, amíg pontosan a betanított forgatókönyv szerint alakulnak a dolgok.

Forrás: ARC Prize Foundation, "Announcing ARC-AGI-3" (arcprize.org/blog/arc-agi-3-launch), valamint az ARC Prize 2026 versenykiírás (arcprize.org/competitions/2026/arc-agi-3).

Rokon fogalmak: AGI (általános mesterséges intelligencia), benchmark, ágens