ARC Prize analysiert die wahren Gründe für die guten Ergebnisse von HRM bei ARC-AGI
Originaltitel:The Hidden Drivers of HRM's Performance on ARC-AGI
KI-Zusammenfassung
ARC Prize validierte das Hierarchical Reasoning Model (HRM, 27M Parameter) auf dem verborgenen ARC-AGI Semi-Private-Set: 32 % bei ARC-AGI-1, nur 2 % bei ARC-AGI-2.
Kernpunkte
- ARC Prize validierte das Hierarchical Reasoning Model (HRM
- 27M Parameter) auf dem verborgenen ARC-AGI Semi-Private-Set: 32 % bei ARC-AGI-1
- nur 2 % bei ARC-AGI-2.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- ARC Prize:官方博客
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 64
原文用消融实验拆解了 HRM 在 ARC-AGI 上的真实性能来源,指出贡献主要来自外循环精炼而非分层架构。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: ARC Prize analysiert die wahren Gründe für die guten Ergebnisse von HRM bei ARC-AGI. 15. August 2025. https://new.nat6.net/de/news/cmtyo2p2s03g2rog0d7s00t1k/