31 lug 2026
ARC-AGI-3 misurava l'harness, non solo il modello
(01)Due impostazioni API hanno portato GPT-5.6 Sol dal 13,3 % al 38,3 % su ARC-AGI-3, senza toccare i pesi. Perché a decidere il punteggio è l'harness, non il modello.
benchmarks
Knowledge Hub
Evaluation
Tutti gli articoli su Evaluation