Що трапиться, коли агентна система перетворює модель на 30 % у 100 % балів на ARC-AGI-3

Агент, що не збивався з курсу тиждень

Звичайний агент кодування пише уривок і прогоняє тест. Потім зупиняється. AVO працював сім днів поспіль. Він вивчив понад 500 напрямків оптимізації для ядра attention. Сорок версій потрапили в коміти. Кожна пройшла компіляцію та профілювання. Перевірку коректності пройшли без участі людини.

На системах NVIDIA DGX B200 результат — аж 3,5 % швидше cuDNN і до 10,5 % швидше FlashAttention-4 у перевірених конфігураціях. Коли команду попросили адаптувати еволюціонене ядро до grouped-query attention, агент впорався за півгодини.

Пам'ять, що виживає обмеження контексту

Більшість агентів гублять нитку, коли контекст моделі переповнюється. AVO вирішує це стійкою пам'яттю. Попередні реалізації та вивід компілятора переносяться далі. Траси профайлера й обґрунтування рішень також зберігаються. Головний агент відновлює роботу з поточного стану, а не збирає пошук з нуля.

Супровідний модуль стежить за загальною траєкторією. Якщо прогрес застрягає або агент зациклюється на безперспективних варіантах, супервайзер перенаправляє його на альтернативні стратегії. Протягом семиденного запуску головний агент сам вирішував, що перевірити, змінити, протестувати та оцінити. Супервайзер втручався лише тоді, коли рух уперед зупинявся.

Той самий цикл — інший світ

Оптимізація GPU-ядер отримує зворотний зв'язок через компілятори та тести. Профайлери дають додаткові дані. ARC-AGI-3 — через переходи середовища в незнайомих ігрових світах. Інтерфейси різні. Цикл — ні.

У обох випадках агент має формувати гіпотези з неповних даних, діяти через зовнішній інтерфейс, спостерігати наслідки. Зберігати корисний стан, оновлювати модель проблеми, відновлюватися після помилкових припущень. Рухатися вперед на довгому горизонті. Переноситься не доменне знання. Переноситься механіка стійкої автономної роботи.

Текстові сітки та лічильник дій

Для ARC-AGI-3 спостереженням була точна текстова сітка 64 на 64. Без зображень. Без токенів зображень. Агент отримав доступні дії без опису правил чи цілей. Мусив вивести ефекти через взаємодію.

За допомогою Claude Opus 5 AVO пройшов усі 183 рівні в 25 середовищах публічного набору з рахунком 100,00 RHAE. Потрібно було 6 624 дії середовища. VISTA — інший харнес, теж на Claude Opus 5 — повідомив про 7 542 дії на тих самих рівнях. AVO витратив приблизно на 12 % дій менше у цьому перехресному порівнянні.

Системи відрізняються бекендом агента, представленням спостереження, пам'яттю, управлінням контекстом та іншими деталями реалізації. Порівняння не є контрольованим аблейшном. Одна архітектурна відмінність, що може грати роль на довгих горизонтах — система пам'яті AVO. Вона створена для перенесення корисного розуміння вперед і скорочення повторних пошуків. Цей експеримент не виокремлює її внесок окремо.

Модель проти системи

ARC Prize окремо повідомляє близько 30 % для Claude Opus 5 при високому рівні рассудження. Запуск AVO використовував ту саму родину моделей під іншим налаштуванням рассудження і суттєво іншою агентною системою. Ці цифри не слід читати як прямий вимір внеску AVO. Вони ілюструють: оцінка лише на рівні моделі не характеризує продуктивність повного агента.

AVO також розрахований на роботу з різними фронтовими моделями. Обмежені експерименти спарювали його з GPT-5.6 Sol на складному підмножині ігор. Sol досягав однакових рівнів швидше за годинникових годин у декількох випадках. Opus витрачав менше дій середовища при порівнянні однакових рівнів. Попередні результати вказують на супутні профілі роботи між моделями. Широке систематичне порівняння залишається на майбутнє.

Ці результати охоплюють 25-середовищний публічний набір з офіційним табло та метрикою RHAE. Це не результати на напівприватному чи повністю приватному конкурсних наборах.

Куди рухається архітектура далі

Дослідження NVIDIA AVO розпочалося з автономної програмної інженерії та оптимізації високопродуктивних GPU-ядер. ARC-AGI-3 показав: та сама базова архітектура переноситься на кардинально інше середовище рассудження. Головна можливість — будувати універсальні агентні системи навколо стійкого стану та використання інструментів. Ґрунтований зворотний зв'язок, відновлення та управління довгостроковим контекстом доповнюють цю базу. Системи, що накопичують докази і тримають прогрес у все більш різноманітних задачах.

Модель важлива. Модель — не весь агент.