OpenAI 公司今天发布公告，宣布通过改进框架，

　　注：ARC-AGI-3 由 ARC Prize 团队推出的全新交互式推理基准测试，是目前全球公认衡量 AI 通用智能最严苛、最顶尖的交互式推理评测基准。

　　该基准完全打破了传统 AI“做题”和知识问答的静态测试模式，将 AI 直接扔进一个完全陌生的“游戏环境”中，来评估其是否具备像人类一样的实时探索、学习与自适应能力。

　　第一，每次游戏动作后，私有推理都会被丢弃。这意味着 GPT-5.6 Sol 每执行 1 次动作后，都需要重新理解游戏。模型仍可看到过去动作记录和简短备注，但看不到促成这些动作的计划、洞察和思考过程。

　　第二，官方框架采用滚动截断窗口。随着历史变长，较早动作会从上下文中消失。也就是说，GPT-5.6 Sol 不仅无法保留过去思考，也会丢失过去动作记忆。

　　OpenAI 表示在启用推理保留后，GPT-5.6 不必每轮重新解释游戏，从而减少每次动作前花在思考上的时间，模型保留过去想法后，更善于随时间学习，并采用更连贯的策略。

　　在上下文压缩方面，官方 ARC-AGI-3 框架在对线 个字符后，会丢弃最早消息。OpenAI 称，滚动截断有 2 个缺点：模型会丢失早期观察和动作；模型在任务的大部分时间里会带着更满的上下文窗口运行，这可能轻微损害表现。

　　启用上下文压缩后，GPT-5.6 Sol 在较长任务中更能保留对每个游戏的已学信息，并以更少输出 token 获得更高得分。

　　harness是指包在大模型外部、为其提供运行环境、工具集成、规则约束与反馈机制的整套系统架构。

　　如果把强大的 AI 模型比作一匹充满力量但容易失控的烈马，那么 harness 就是它的缰绳、马鞍与骑手路线，不改变模型本身的架构，而是决定模型如何被安全、可靠地驾驭并真正完成复杂工作。

　　特别

　　NBA重磅4方交易方案！哈登为争冠再牺牲，推迟签约助骑士追锋线万人口，阿富汗女人为啥越乱越爱生娃？

　　健身房里被人当众指责偷拍 男子报警只等来电线岁女孩凌晨和朋友在景区游玩 脚下木板裂开落水溺[*]

　　健身房里被人当众指责偷拍 男子报警只等来电线岁女孩凌晨和朋友在景区游玩 脚下木板裂开落水溺[*]