《麻省理工科技评论》（MIT Technology Review）发布文章，通过一系列谜题测试展示了当前人工智能模型在空间推理、记忆适应性、抽象视觉推理、直觉和复杂逻辑等方面的优势与短板。文章指出，尽管AI在部分基准测试上进步迅速，但在视觉谜题、细微变化识别和高复杂度逻辑任务上仍明显落后于人类。作为最著名的基于谜题的…
ARC-AGI-3排行榜对不同AI系统在适应新型交互环境任务中的表现进行了评估对比 。该排行榜的核心衡量指标为单任务成本与性能的关系，重点评估在有限计算资源约束下AI系统解决问题的效率 。