پژوهشگران Kepler را منتشر کردند؛ ابزاری متن‌باز که مدل‌های اجرایی از جهان را برای بنچمارک ARC-AGI-3 می‌سازد و می‌آزماید. Kepler با پیکربندی ثابت Claude Opus 5، در هر یک از 25 بازی عمومی، امتیاز 100.00 RHAE را که سرور تأیید کرده بود به دست آورد. این کار را بدون انتخاب جداگانه مدل برای هر بازی یا اجرای دوباره با توجه به شرایط امتیازدهی انجام داد و در بیشتر مراحل، از تعداد کنش‌هایی بیشتر از میانه بازیکنان انسانی استفاده نکرد.
چرا مهم است
برای توسعه‌دهندگان هوش مصنوعی، این نتیجه نشان می‌دهد که یک رویکرد مبتنی بر مدل جهان می‌تواند در طیف گسترده‌ای از وظایف، با کارایی در سطح انسان عمل کند؛ بی‌آنکه برای هر وظیفه تنظیمات پرهزینه انجام شود.
