ARC-AGI

ARC-AGI

抽象推理基准测试 评估通用人工智能

ARC-AGI是一个评估人工通用智能抽象推理能力的基准测试项目。它提供800个任务,分为训练和评估两部分,每个任务包含输入/输出网格对。测试者需分析示例并推断正确的输出网格。项目配备浏览器界面,方便人类尝试解决任务。ARC-AGI不仅衡量AI系统,也适用于评估人类的通用流体智力,为AGI研究提供了重要参考。

ARC-AGI人工智能数据集测试界面任务解决Github开源项目

人工通用智能抽象推理语料库 (ARC-AGI)

本仓库包含ARC-AGI任务数据,以及一个基于浏览器的界面,供人类尝试手动解决这些任务。

"ARC可以被视为一个通用人工智能基准测试,一个程序合成基准测试,或者一种心理测量智力测试。它面向人类和人工智能系统,旨在模拟人类般的通用流体智力。"

关于该数据集的完整描述、目标及其基本逻辑,可以在《论智力的度量》中找到。

提醒一下,当测试者第一次看到任务时,能够为该任务中的所有测试输入生成正确的输出网格(包括选择输出网格的尺寸),就被认为解决了该任务。对于每个测试输入,测试者允许尝试3次(这适用于所有测试者,无论是人类还是AI)。

任务文件格式

data目录包含两个子目录:

  • data/training:包含训练用的任务文件(400个任务)。使用这些来原型化你的算法或训练你的算法以获取ARC相关的认知先验。
  • data/evaluation:包含评估用的任务文件(400个任务)。使用这些来评估你的最终算法。为确保公平的评估结果,不要将评估集的信息泄露到你的算法中(例如,在开发过程中自己查看评估任务,或者在使用评估分数作为反馈的同时反复修改算法)。

任务以JSON格式存储。每个任务JSON文件包含一个带有两个字段的字典:

  • "train":示例输入/输出对。它是一个"对"的列表(通常是3对)。
  • "test":测试输入/输出对。它是一个"对"的列表(通常是1对)。

一个"对"是一个带有两个字段的字典:

  • "input":该对的输入"网格"。
  • "output":该对的输出"网格"。

"网格"是一个矩形矩阵(列表的列表),包含0到9之间的整数(包括0和9)。最小可能的网格大小是1x1,最大是30x30。

查看任务时,测试者可以访问示例对的输入和输出,以及测试对的输入。目标是构建与测试输入网格相对应的输出网格,每个测试输入有3次尝试机会。"构建输出网格"包括选择输出网格的高度和宽度,然后用符号(0到9之间的整数,以颜色可视化)填充网格中的每个单元格。只有完全正确的解决方案(所有单元格都与预期答案匹配)才能被认为是正确的。

测试界面的使用

测试界面位于apps/testing_interface.html。在网络浏览器中打开它(推荐使用Chrome)。它会提示你选择一个任务JSON文件。

加载任务后,你将进入测试空间,如下所示:

测试空间

在左侧,你将看到演示任务性质的输入/输出对。中间,你将看到当前的测试输入网格。在右侧,你将看到可用于构建相应输出网格的控件。

你可以使用以下工具:

网格控件

  • 调整大小:输入网格大小(例如"10x20"或"4x4")并点击"调整大小"。这会保留现有的网格内容(在左上角)。
  • 从输入复制:将输入网格复制到输出网格。这对于输出包含输入某些修改的任务很有用。
  • 重置网格:用0填充网格。

符号控件

  • 编辑:从颜色选择栏中选择一种颜色(符号),然后点击单元格设置其颜色。
  • 选择:在输出网格或输入网格上点击并拖动以选择单元格。
    • 在输出网格上选择单元格后,你可以从颜色选择中选择一种颜色来设置所选单元格的颜色。这对绘制实心矩形或线条很有用。
    • 在输入网格或输出网格上选择单元格后,你可以按C复制其内容。复制后,你可以在输出网格上选择一个单元格并按"V"粘贴复制的内容。你应该选择要粘贴区域左上角的单元格。
  • 填充:点击输出网格中的一个单元格,将所有相连的单元格染成选定的颜色。"相连的单元格"是指具有相同颜色的连续单元格。

答案验证

当你的输出网格准备好时,点击绿色的"提交!"按钮来检查你的答案。我们不强制执行3次尝试规则。

在你为当前测试输入网格获得正确答案后,你可以使用"下一个测试输入"按钮切换到该任务的下一个测试输入网格(如果有的话;大多数任务只有一个测试输入)。

完成一个任务后,使用"加载任务"按钮打开一个新任务。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多