搭配方案
共 5 条GPT-6 Astra + 沙盒代码执行环境+ PRO-LONG harness
Astra在沙盒中生成定制工具游玩迷宫游戏tu93
不同工具分工处理导航、战斗、巡逻建模与状态校验，形成完整解题流程
✓ 可生成面向特定游戏的小型软件库✓ 展示借助外部工具时的能力上限 ✕ 结果应理解为模型与其工具的联合性能
GPT-6 Astra + ARC-AGI-3测试+ Provider Adapter
配合框架后ARC得分从62.7%提升至99.9%，成本降至约1.88万美元
框架能在多次调用间保留模型隐藏推理状态，并通过压缩机制复用探索结果
✓ 显著提升测试得分✓ 降低测试成本
GPT-6 Astra + 沙箱代码执行环境+ PRO-LONG
Astra在沙箱中为每个游戏编写解析器、状态模型、搜索算法和规划器等程序库完成ARC-AGI-3任务
PRO-LONG框架提供沙箱使模型能执行自身代码，Astra借此编写寻路、战斗规则、巡逻行为等模块组合完成任务
✓ 为每个游戏编写了小型程序库✓ 未观察到试图跳出沙盒的尝试 ✕ 运行结果无法与人类测试条件相提并论