Devine înfricoșător când modelele încep să se descurce foarte bine pe benchmark-uri pe care credeai că le vor lua ani. Ce vrei să spui că modelele obțin 30-40% pe ARC AGI 2, când abia reușeau să obțină 40% pe arc AGI 1, la începutul acestui an? Lucrez cu și la ARC de ani de zile. Acesta este un progres fără precedent chiar și pentru antrenamentul pe un set de testare