Kaggle 上的 ARC-AGI-3 評測最高分從 7% 躍升至 56%，小型本地模型超越人類平均水準

過去 30 天內，Kaggle 平台上的 ARC-AGI-3 基準測試排行榜出現重大變化，最高分從原先的 7% 大幅躍升至 56%。由於 Kaggle 平台的運算限制，參賽者僅能部署小型本地模型。據 Reddit 社群觀察指出，這些小型模型在測試框架（harness）的輔助下，於這項原本旨在展現人類推理優勢的基準測試中，成績已開始超越人類平均水準。