NVIDIA afirma que su sistema de agentes AVO obtuvo una puntuación de 100,00 en la parte pública de ARC-AGI-3 y completó sus 183 niveles. El resultado es llamativo porque combina un modelo de lenguaje con memoria, herramientas, supervisión y un ciclo de prueba y corrección; no significa que NVIDIA haya demostrado una inteligencia artificial general.
Qué se midió realmente
ARC-AGI-3 es un benchmark interactivo de ARC Prize. En vez de pedir una respuesta estática, coloca al agente en entornos nuevos, parecidos a juegos, sin instrucciones completas ni reglas explicadas de antemano. El sistema debe explorar, descubrir qué acciones producen resultados y adaptar su estrategia a lo largo de varios pasos.
La página de ARC Prize explica que su métrica considera la eficiencia de adquisición de habilidades y la planificación con retroalimentación escasa. Por eso, un porcentaje alto no equivale a resolver cualquier problema cotidiano ni a comprender el mundo como una persona. Mide el comportamiento en un conjunto concreto de tareas diseñadas para evaluar razonamiento interactivo.



