抽象推理

在大型语言模型疯狂内卷的当下，人们似乎早已习惯它们在各式榜单上刷出接近满分的准确率。然而，在名为 ARC-AGI-3 的基准测试中，被誉为当前“最炙手可热”的两款顶尖模型——OpenAI 的 GPT-5.5 与 Anthropic 的 Claude Opus 4.7，却双双遭遇“滑铁卢”。 近日，ARC Prize 官方发布了一份针对这两款顶级模型的深度分析…