伟大为何无法被规划 英文和日文版现在都在 @SakanaAILabs 图书馆找到了归宿 ✨

训练大型基础模型所需的高成本使其成为人类历史上贬值最快的资产。

我们能够重现HRM论文中关于ARC-AGI-1的强有力发现。 此外，我们进行了系列消融实验，以深入了解其背后的原因。 关键发现： 1. HRM模型架构本身（论文的核心部分）并不是一个重要因素。 2. 外部精炼循环（在论文中几乎没有提及）是性能的主要驱动因素。 3. 跨任务迁移学习并不是很有帮助。重要的是在你将要测试的任务上进行训练。 4. 你可以使用更少的数据增强，特别是在推理时。 发现2和3意味着这种方法是一种*零预训练测试时训练*的案例，类似于Liao等人最近发表的"没有预训练的ARC-AGI"论文。