Standard harness

Assess

Công cụ

Bộ chạy thử cho phép mô hình giữ lại các ghi chú mà nó tự chọn trong suốt môi trường.

Vì sao ở đây

Xếp vào Assess: 1 bài bằng chứng từ 2 nguồn, chủ yếu là tin nghiên cứu, 1 bài trong 30 ngày qua. Độ tin cậy 32%.

9Hacker News·3/9/2026research
GPT-6 Astra dẫn đầu các bài kiểm tra ARC-AGI-3
GPT-6 Astra của OpenAI đạt kết quả dẫn đầu trên ARC-AGI-3, với 62,7% khi dùng Standard harness và 99,9% khi dùng Provider Adapter harness. Bài kiểm tra này đánh giá năng lực tác nhân trong các môi trường mới lạ theo lượt, đồng thời Astra cũng cho thấy hiệu quả hành động vượt trội so với người thử nghiệm.