Kepler、ARC-AGI-3の全25ゲームで満点を達成

研究者らは、ARC-AGI-3ベンチマーク向けに実行可能な世界モデルを構築・検証するオープンソースツール「Kepler」を公開しました。設定を固定したClaude Opus 5で動作させたところ、Keplerは公開されている25ゲームすべてで、サーバー検証済みの100.00 RHAEを獲得しました。ゲームごとにモデルを選び直したり、スコアを見ながら再実行したりすることなく達成しており、ほとんどのレベルで、中央値の人間プレイヤーと同じかそれ以下の行動回数でクリアしました。