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

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。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多