Kepler 论文：ARC-AGI-3 智能体满分可能源于读源码，需审查动作过程而非只看结果
2026-10-04
一篇 ARC-AGI-3 相关论文指出，智能体可通过读取 2,172 行游戏源码拿到满分 100，从而掩盖真实能力；在清理并重跑后，同一游戏仅得 46.91。作者建议评测时用真实访问限制封锁答案，并检查智能体的动作日志。2026-10-04
一篇 ARC-AGI-3 相关论文指出，智能体可通过读取 2,172 行游戏源码拿到满分 100，从而掩盖真实能力；在清理并重跑后，同一游戏仅得 46.91。作者建议评测时用真实访问限制封锁答案，并检查智能体的动作日志。