İçeriğe geç
CANLI Dün Yerli yapay zeka İridaa, kendi modeli “Kuzey”i devreye aldı: Tahmini skorlar rakiplerine göre nerede? 9 Kas 2026 Bu Hafta AI Model Değerlendirmesi (2026-W46) 8 Kas 2026 OpenAI Uyarı Vermeden Hesap Kapatıyor: Aylık 200 Dolarlık Pro Aboneler Bile Etkilendi 8 Kas 2026 Yapay Zekâ 18 Yıllık Kuantum Varsayımını Üç Günde Çözdü: Aaronson-Ambainis Artık Bir Teorem 8 Kas 2026 Gemini 4 Flash ve Yeni Claude İçin İşaretler Artıyor: LMArena’da ‘Hydrogen’, Sızıntıda ‘Hyperion’ Zekâ endeksi lideri Claude Opus 5 (Adaptive Reasoning, Max Effort) · 63,1 16.11.2026
Bülten

Yapay Zeka Haberleri

ARC-AGI-3 Benchmark’ı Düştü: Yeni Yapay Zeka Değerlendirmesi Gerekli

NVIDIA AVO Yüzde 100'e Ulaştı ARC-AGI-3 benchmark testi artık geçerliliğini yitirmiş görünüyor. Nvidia AVO — Claude Opus 5 destekli genel amaçlı bir kodlama ajanı — yüzde 30 bazal performansından…

· 2 dk okuma · 0 yorum

Yapay zekâya sor Paylaş
Kısaca · 3 madde
  1. NVIDIA AVO Yüzde 100'e Ulaştı ARC-AGI-3 benchmark testi artık geçerliliğini yitirmiş görünüyor. Nvidia AVO — Claude Opus 5 destekli genel am…
  2. ARC-AGI-3, yapay genel zekayı (AGI) ölçmek için tasarlanmıştı: modelin talimat, açık kurallar veya belirtilen hedefler olmadan bir ortamda ne yapacağını keşfetmesi gerekiyordu.
  3. AI Leaks and News'in "ARC-AGI-3 has fallen" açıklaması, benchmark tarihinde önemli bir dönüm noktasına işaret ediyor.

NVIDIA AVO Yüzde 100’e Ulaştı

ARC-AGI-3 benchmark testi artık geçerliliğini yitirmiş görünüyor. Nvidia AVO — destekli genel amaçlı bir kodlama ajanı — yüzde 30 bazal performansından yüzde 100’e ulaşarak benchmarkın tüm 183 seviyesini tamamladı.

Ajan Destekli Performans Yükseltmesi

AVO’nun başarısı, mevcut frontier modellerinin ham yetenekleri ile ajan sistemlerinin sistematik problem çözme yaklaşımı arasındaki farkı gözler önüne seriyor. Bir modelin doğrudan testte yüzde 30 başarı elde etmesi, ajan pipeline’ı ile yüzde 100’e çıkması, testlerin artık gerçek “genel” zekayı değil, belirli aksaklıkları ölçüp ölçmediği sorusunu gündeme getiriyor.

ARC-AGI-3, yapay genel zekayı (AGI) ölçmek için tasarlanmıştı: modelin talimat, açık kurallar veya belirtilen hedefler olmadan bir ortamda ne yapacağını keşfetmesi gerekiyordu. AVO’nun 25 farklı ortamda 183 seviyenin tamamını çözmesi, mevcut benchmarkların ajan destekli sistemler tarafından aşınabileceğini gösteriyor.

Bu Ne Anlama Geliyor?

AVO’nun başarısı iki okumayla değerlendirilebilir: Birincisi, ajan mimarileriyle mevcut modellerin potansiyeli çok daha yüksek; ikincisi, benchmark’ın kendisi artık güvenilir bir AGI ölçütü olmaktan çıkmış olabilir. Her iki durumda da yapay zeka alanında yeni değerlendirme metriklarına ihtiyaç duyuluyor.

AI Leaks and News’in “ARC-AGI-3 has fallen” açıklaması, benchmark tarihinde önemli bir dönüm noktasına işaret ediyor. Yeni nesil değerlendirme sistemlerinin ne olacağı, önümüzdeki dönemde AI araştırmalarının en kritik gündem maddelerinden biri olacak.

İlgili Haberler

Yapay zekâya sor

Haberi seçtiğiniz asistanda hazır bir soruyla açın

Şu haberi 3 maddede özetle: https://aihaber.org/arc-agi-3-benchmark-nvidia-avo-yuzde-100/

Gemini hazır soruyla açılamıyor: soru panonuza kopyalanır, açılan sayfada yapıştırmanız yeterli.

Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Bu haber işinize yaradı mı?

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.

İlgili haberler