AI 首次接近人類推理能力 - Poetiq 在 ARC-AGI-2 突破 50% 門檻

Poetiq 剛在 ARC-AGI 基準測試上創造了歷史。

ARC-AGI 是專為評估 AI 是否具備真正通用智慧而設計的測試。它不要求模型背誦訓練資料,而是呈現全新的模式問題,要求系統自行推斷底層規則。人類平均準確率約為 60%。在此之前,AI 系統的表現遠遠落後。

為什麼 Poetiq 的成果意義重大

• 首次在 ARC-AGI-2 突破 50% - ARC Prize Foundation 官方驗證準確率達 54%
• 成本只有前代技術的一半 - 每題 $30.57,相較於 Gemini 3 Deep Think 的 $77.16
• 六人團隊 擁有 53 年來自 Google DeepMind 的累積經驗,表現超越最大型 AI 實驗室
• 完全開源 方法與提示詞皆已公開於 GitHub

為了提供背景,主流 AI 模型在 2025 年初於 ARC-AGI-2 的得分低於 5%。幾個月內從不到 5% 跳升到超過 50%,顯示某些根本性的東西已經改變。

架構設計 - 遞迴推理勝過規模擴張

核心創新是一個不訓練新模型的元系統。相反地,它透過反覆迭代的推理迴圈來編排現有的 LLM。

系統產生候選解答,批判它,分析回饋,然後使用 LLM 優化答案。反覆進行。提示詞只是介面 - 真正的智慧從這個迭代優化過程中浮現。

這是刻意偏離標準的思維鏈提示技術。Poetiq 的系統不是問一次就接受輸出,而是將每個答案視為草稿,透過結構化的自我批判來改進。

自我稽核 - 知道何時該停止

最令人印象深刻的能力是自我稽核機制。系統能自主判斷何時已蒐集足夠資訊,以及何時該終止推理過程。

這不僅是工程上的便利 - 這是核心的經濟機制。透過平均每個 ARC 問題少於兩次 LLM 請求,系統在維持準確度的同時最小化不必要的運算。這就是小型團隊如何以一半成本達成優於兆元級競爭對手的成果。

這證明了什麼

繼 Tiny Recursive Model (TRM) 和 RLM 之後,Poetiq 的成果是迄今最有力的證據,證明遞迴推理架構代表了一條通往 AGI 的可行路徑。

教訓不在於打造更大的模型或更長的上下文視窗。而在於設計能夠反覆思考的系統 - 在結構化的迴圈中生成、評估和優化。當推理過程本身成為產品時,原始模型規模的重要性就不如架構設計。

完整實作、提示詞與方法論皆已公開於 GitHub。