NVIDIA通用编程Agent系统AVO在ARC-AGI-3取得100%满分

ARC-AGI（Abstraction and Reasoning Corpus for Artificial General Intelligence）是目前最具挑战性的通用智能基准测试之一，旨在评估AI系统的抽象推理和模式识别能力。

ARC-AGI-3是其最新版本，包含25个环境、183个关卡，对现有AI系统构成极大挑战。ARC-AGI-3由研究员François Chollet创立的ARC Prize Foundation开发，专门针对大模型基准注水问题设计。它摒弃了传统基准中模型可能在训练阶段见过变体的静态谜题模式，转而将Agent投入无任何指令、无任何提示的类游戏交互式环境中，强制Agent通过自主探索理解规则、完成挑战，从机制上避免了常规的刷分行为。此前Claude Opus 5在该基准上30.2%的得分，已经达到GPT-5.6 Sol此前最佳成绩的4倍左右。

一、核心技术路径

NVIDIA并未重新训练全新基础大模型，而是采用成熟的Agent架构封装方案，将Claude Opus 5作为底层模型嵌入自研的AVO系统中。该系统最初面向GPU工程工具场景开发，在不改动核心Agent架构的前提下，仅将GPU工程工具接口替换为ARC-AGI-3任务交互界面，就实现了代码自检、自我纠错逻辑向完全无关的视觉交互式逻辑谜题场景的无缝迁移。

整套系统全程没有针对ARC-AGI-3做任何专项微调，也没有提前输入任务相关的前置说明与目标提示，完全依靠Agent自主探索完成全部挑战，总执行动作数仅为6624次，相比VISTA等主流Agent封装框架所需的7542次动作，执行效率提升约12%。

二、方法和过程

NVIDIA AVO（Agent for Visual Operations）系统的关键突破在于Harness工程：

1. 视觉推理循环：Agent通过观察视觉输入、抽象模式、生成假设、验证预测的循环解决问题
2. 工具调用编排：动态选择和组合多种视觉操作工具
3. 上下文管理：高效的推理痕迹保留和上下文压缩

三、研究结果

• ARC-AGI-3公开测试集：全部25个环境、183个关卡取得100%满分
• 关键发现：TechCrunch评论"NVIDIA证明了Harness（运行框架）而非AI模型本身才是真正的英雄"
• 行业意义：与OpenAI开源Codex Harness、DeepSeek Harness周更等动态相呼应，行业共识形成——Agent核心竞争力已从底层模型能力转移到运行时架构

四、横向对比

五、启示

NVIDIA首席工程师Terry Chen带领的官方博客团队在公告中明确指出：这一结果清晰证明，模型能力评估与Agent系统评估是完全不同的两件事。基础模型的上限固然重要，但外围Agent架构的设计质量，才是决定模型能力能否转化为持续自主任务推进的核心变量。此前行业普遍将注意力集中在基础模型参数与跑分的比拼上，AVO的满分结果直接将行业竞争焦点，从“基础模型性能”转向“Agent系统工程能力”。

附：AVO系统的技术实现

1. 系统核心定位

AVO全称为‌Agentic Variation Operators‌，是NVIDIA自研的面向自主软件工程、GPU内核优化场景的智能体系统，最初用于CUDA GPU内核的自动化迭代优化，后续通过架构迁移直接在ARC-AGI-3基准测试中取得满分，全程未针对该基准做任何专项微调。

2. 两大核心底层设计

• 持久化记忆模块‌：完整留存智能体所有历史尝试与对应结果，避免重复执行相同的无效探索动作，大幅提升长周期任务的探索效率。
• 监督层调度机制‌：独立于主智能体的监控模块，全程跟踪任务推进轨迹，当主智能体陷入探索停滞、重复无效操作时，自动介入调整探索方向，打破局部最优陷阱。

3.核心技术能力表现

• 在DGX B200系统上的注意力内核优化任务中，AVO连续运行7天，尝试超过500个优化方向，最终生成的内核性能比FlashAttention-4最高提升10.5%。
• 迁移到ARC-AGI-3任务场景时，仅将环境以纯文本64×64网格的形式输入模型，全程无图像输入，最终用6624个动作完成全部183个谜题，相比VISTA等主流Agent封装框架效率提升12%。

4. 架构迁移的关键逻辑

• NVIDIA完全保留AVO的核心Agent架构，仅将底层GPU工程工具接口替换为ARC-AGI-3任务交互界面，就实现了代码自检、自我纠错逻辑向完全无关的视觉交互式逻辑谜题场景的无缝迁移，证明该架构具备极强的跨场景泛化能力。
• 目前ARC-AGI-3官方评估平台暂不支持第三方自定义Agent框架接入测试，相关性能数据均来自NVIDIA官方公开的测试结果。