AVO在ARC-AGI-3公开集上的表现如何？
AVO以100.00 RHAE完成全部25个环境、183关，使用6624次环境动作。
NVIDIA AVO Reaches 100% on ARC-AGI-3, Demonstrating a Frontier-Level General-Purpose Architecture for Long-Horizon Autonomous Agents
（翻译）NVIDIA AVO 在 ARC-AGI-3 上达到 100%，展示面向长时程自主智能体的前沿级通用架构
资讯摘要
A frontier language model is only one component of an AI agent. The surrounding agent system—often called a harness—determines how the model receives context…
AI 摘要
NVIDIA研究项目AVO提出通用自主智能体架构，强调除模型之外的外围系统（harness）决定长期任务表现。AVO在GPU内核优化中超越cuDNN和FlashAttention，在ARC-AGI-3公开集以100.00 RHAE完成全部25个环境183关，仅用6624次环境动作，较VISTA少约12%。
AI 问答
AVO与VISTA在ARC-AGI-3上的动作效率有何差异？
AVO比VISTA少约12%的环境动作，但作者指出这不是受控消融实验，两者在多个实现细节上不同。
AVO架构的两个关键机制是什么？
持久记忆和监督器。持久记忆让智能体跨上下文保留进度，监督器则在搜索停滞时引导主智能体更换策略。