代理評測
NVIDIA AVO 完成 ARC-AGI-3 公開集全部 183 關，動作數較 VISTA 少約 12%
NVIDIA 把原用於 GPU 核心演化搜尋的 AVO 代理架構移植至互動推理，搭配 Claude Opus 5 取得 100.00 RHAE。結果顯示代理記憶與驗證迴圈可大幅改變同一模型的表現，但只涵蓋公開環境，且與 VISTA 的比較不是受控消融。
NVIDIA 表示，其 Agentic Variation Operators（AVO）系統在 ARC-AGI-3 的 25 個公開環境完成全部 183 個關卡，以 6,624 次環境動作取得 100.00 RHAE。ARC-AGI-3 不提供遊戲規則、操作說明或明示目標，代理必須透過試探觀察狀態變化，再把發現沿用至後續關卡；RHAE 同時考慮完成度與相對人類基準的動作效率，因此「100%」並不只是最終過關率。
AVO 最初是為自動演化 GPU 核心而設計。其研究版本不把語言模型限制為一次性的候選程式生成器，而是讓代理查閱既有版本譜系、領域知識與執行回饋，反覆提出、修補、批判及驗證修改。NVIDIA 此次把相同的長流程設計套用到陌生互動環境，後端使用 Claude Opus 5。官方以同樣使用 Opus 5 的 VISTA 作參考：VISTA 完成公開集用了 7,542 次動作，AVO 少約 12%。這個差距支持一項重要工程判斷：排行榜量到的是模型、觀測表示、記憶、上下文管理與控制迴圈的合成系統，而非基礎模型的單獨能力。
不過，這不是足以宣告 ARC-AGI-3 已被解決的受控實驗。NVIDIA 明確指出，AVO 與 VISTA 的代理後端、記憶及表示方式不同，無法把動作節省單獨歸因於某個模組；測試又只覆蓋已公開的 25 個環境，長期調整代理架構可能吸收公開集特徵。AVO 原論文與這次網誌也未提供能完整重演 6,624 次動作結果的公開執行包。研究者接下來應關注隱藏環境成績、固定模型與預算下的消融、總 token 和牆鐘成本，以及記憶是否真正跨環境轉移，而非只避免在同一遊戲重複探索。