布林：Transformer能通向AGI
ARC-AGI-3这个benchmark的结果出来了，看完真的沉默了很久。Gemini 3.1 Pro拿了所有前沿模型里的最高分——0.37%，GPT-5.4是0.26%，Claude Opus 4.6是0.25%，Grok 4.20直接0.00%。而人类做同样的测试，10岁小孩都能拿85%以上。这个benchmark专门测的是交互式多步推理，就是那种需要观察环境、动态适应、而不是从训练数据里套模式的题目，设计初衷就是抗记忆。说白了，现在最贵的模型花2200美元API费用跑一遍，还不如一个小学生。我自己做全栈的时候经常调各种模型的API做复杂任务编排，体感上确实如此——单步任务没问题，一旦需要三四步以上的逻辑链，模型就开始跑偏。这不是prompt工程能补的，是Transformer架构"预测下一个token"这个范式本身的局限。对工程师来说，理解这个边界非常重要，知道模型哪里不行，才能在系统设计的时候做好兜底和校验，这才是真正有价值的工程能力。
发布于 广东
分享
评论
1
未登录
友善发言
评论
加载中
