arXiv · cs.AI· Nguyen Minh Thang·· 15 小时前精选AI 评分65
arXiv 论文：ARC-AGI-2 上开源模型的训练与校准数据研究
Rules, Traces and Routing Statistics: Training and Calibration Data for Open Models on ARC-AGI-2
来源与原文
arXiv · cs.AI
作者：Nguyen Minh Thang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.06827v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一篇 arXiv 论文（https://arxiv.org/abs/2611.06827v1）研究了哪些训练与校准数据能帮助三个开源模型在离线、四张 L4 GPU、至多 12 小时约束下解 ARC-AGI-2 任务，报告了 120 个隐藏半私有任务上的 189 次运行。对 NVARC Qwen3-4B 网格模型，作者构建了 12,000 条可执行规则和 95,993 个任务的语料，用 1,920 条真实任务记录继续微调后半私有分数从 28.96 升到 33.06（五次运行均值，最好 34.86），而合成任务微调未能超越真实任务模型。
推荐理由
论文在离线四卡 L4、12 小时约束下比较了三类开源模型的训练与校准数据策略，并给出隐藏集上的具体分数对比，方法与数据取舍都可参考。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。