Az NVIDIA AVO rendszere 100%-os teljesítményt ért el az ARC-AGI-3 teszten

Az NVIDIA Agentic Variation Operators (AVO) nevű projektje egy általános célú ágensarchitektúrát mutat be, amely képes hosszú horizonton végigmenni összetett feladatokon. Az AVO rendszer az alapul szolgáló Claude Opus 5 modellt 30%-ról 100%-ra emelte az ARC-AGI-3 benchmark nyilvános tesztjén, ahol az ágensnek 25 ismeretlen környezetben összesen 183 szintet kellett teljesítenie.

A kutatók az AVO-t először GPU-kernel optimalizálási feladatokon tesztelték, ahol az ágensrendszer hét napon keresztül folyamatosan működött, több mint 500 optimalizálási iránynak utána járt, és 40 kernel-verziót fejlesztett ki. Az eredmény szerint az így létrehozott attention-kernelok 3,5%-kal felülmúlták az NVIDIA cuDNN-t és 10,5%-kal a FlashAttention-4-et.

Az AVO architektúrájának kulcsa a perzisztens memória és a felügyelet: a rendszer megjegyzi az előző implementációkat és értékeléseket, így nem kell minden lépést újra kezdeni, valamint egy felügyeleti komponens figyeli az előrehaladást és szükség esetén új stratégiákat javasol. Az NVIDIA hangsúlyozza, hogy az ágensrendszerek megbízhatósága nem csupán a modell képességétől függ, hanem az egész rendszer szintjén kell biztosítani a teljesítményt és a biztonságot.

A kutatás azt mutatja, hogy az AVO alapvető architekturális megoldásai általánosak: ugyanaz a rendszer működik szoftverfejlesztési feladatokon és interaktív érvelési teszteken egyaránt. Ez azt jelenti, hogy az ágensrendszerek tervezésében nem a domain-specifikus tudás, hanem az autonóm előrehaladás biztosítására szolgáló mechanizmusok az átvihetők különböző feladatok között.