AI Nvidia Melibas ARC-AGI-3, Tim Berbasis Tionghoa Menyelesaikan 183 Level dalam Sekali Tarikan Napas
NVIDIA telah meraih skor sempurna 100.00 pada benchmark ARC-AGI-3 dengan agen kecerdasan buatan bernama AVO. Agen ini berhasil menyelesaikan semua 183 level di 25 lingkungan permainan hanya dalam 6.624 langkah.
ARC-AGI-3 dikenal sulit karena tidak memberikan aturan atau tujuan kepada agen. Mereka harus mengeksplorasi, menekan tombol, dan menyimpulkan mekaniknya sendiri. Claude Opus 5, model yang mendasari AVO, hanya mencetak 30,16% jika diuji sendiri. Kunci keberhasilan AVO terletak pada dua komponen yang dibangun di luar model:
1. **Memori Persisten:** Menyimpan riwayat percobaan, hasil, dan proses penalaran, sehingga agen dapat melanjutkan dari keadaan terakhir setelah konteks di-reset, bukan memulai dari nol.
2. **Supervisor:** Memantau pencarian, dan mengalihkan agen ke strategi lain jika menemui kebuntuan atau pekerjaan yang berulang tanpa kemajuan.
Menariknya, AVO pada awalnya dirancang untuk tugas yang sama sekali berbeda: **mengoptimalkan kernel GPU** (seperti operasi perhatian dalam Transformer). Dalam tugas ini, AVO yang berjalan secara otonom selama 7 hari berhasil menghasilkan kernel yang lebih cepat 3,5% daripada cuDNN milik NVIDIA dan 10,5% lebih cepat daripada FlashAttention-4. Sistem yang sama inilah, tanpa perubahan pada inti algoritmanya, kemudian diterapkan untuk bermain game di ARC-AGI-3.
Tim di balik AVO didominasi oleh peneliti keturunan Tionghoa, termasuk Bing Xu (pencipta MXNet dan penulis GAN), Tianqi Chen (pencipta XGBoost dan TVM), dan dipimpin oleh Humphrey Shi, Wakil Presiden AI Kinerja Tinggi NVIDIA.
Pencapaian ini menunjukkan bahwa kemampuan agen dalam tugas jangka panjang bukan hanya berasal dari model bahasanya, tetapi dari keseluruhan arsitektur sistem yang mencakup memori, alat, dan mekanisme umpan balik. NVIDIA, sebagai perusahaan perangkat keras, mendapat keuntungan karena beban kerja agen otonom jangka panjang yang semakin kompleks akan terus membutuhkan daya komputasi GPU yang besar.
marsbit7m yang lalu
