Forskare har släppt Kepler, ett verktyg med öppen källkod som skapar och kontrollerar körbara världsmodeller för ARC-AGI-3-benchmarken. Med en låst konfiguration av Claude Opus 5 fick Kepler serververifierade 100,00 RHAE i vart och ett av de 25 offentliga spelen. Det skedde utan att välja modell separat för varje spel eller köra om med poängvillkor. På de flesta nivåer använde systemet inte fler drag än en spelare med medianresultat bland människor.
Varför det spelar roll
För AI-utvecklare visar resultatet att en enda världsmodellmetod kan nå mänsklig effektivitet i många olika uppgifter utan kostsam finjustering för varje uppgift.
