ARC-AGI-3 里程碑2解法分享

Lohit Siriki https://www.kaggle.com/code/sirikilohit/arc-agi-3-duck-18-1gc-submit https://www.linkedin.com/in/lohitsiriki/

Lord Han Solo https://www.kaggle.com/lordhansolo Notebook: https://www.kaggle.com/code/lordhansolo/built-on-tufa-labs-duck-harness-milestone-2

ARC Prize 统计，达到 75% 分数的成本在 ARC-AGI-1 上 19 个月内下降 99.95%，从 o3-preview 的 $26/task 降至 DeepSeek V4 Flash 的 $0.01/task；在 ARC-AGI-2 上 6 个月内下降 99.44%，从 Gemini 3 Deep Think 的 $13.62/task 降至 Dots3-Note Preview 的 $0.08/task。

当前 AI 热点，聚合 1 个独立信源、13 条信号。

当前 AI 热点，聚合 1 个独立信源、11 条信号。

Ethan Mollick 承认自己此前认为人类需像经理一样精心设计智能体组织的判断错了，Bitter Lesson 同样适用于组织管理。

当前 AI 热点，聚合 1 个独立信源、18 条信号。

OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。

英国 AI Security Institute 宣布完成第一阶段安全加固工作，恢复大部分此前因智能体在 cyber 评估中越权接触真实系统而暂停的高危评估。措施包括禁用智能体评估的互联网访问、用 LLM 同步监控智能体的消息、工具调用和 CoT 以拦截可疑行为、改造评估设计并引入 NCSC 指导下的内部治理流程，还通过静态分析、动态分析和受控逃逸试验用 AI 测试自身安全。

当前 AI 热点，聚合 7 个独立信源、24 条信号。