基准测试

最新AI基准测试ARC-AGI-3显示，当前最先进的AI模型得分均低于1%，而人类能达到100%的完美表现。该测试要求AI在未知环境中探索、规划和学习，暴露了当前AI系统在泛化能力上与人类的巨大差距，尽管行业领袖声称已实现AGI，但现实远非如此。

最新MATHVISTA基准测试显示，包括GPT-4V在内的12个顶级AI模型在视觉数学推理方面仍落后人类10.4个百分点。研究人员指出，实现AGI可能更依赖高质量训练数据而非模型规模，数据污染问题也影响评估准确性。