arXiv · 多模态、视频与世界模型· Wensen Wu·· 3 天前精选AI 评分79
Kepler：面向 ARC-AGI-3 的可审计世界模型
Kepler: Auditable World Models for ARC-AGI-3
AI 导读
论文提出开源评测框架 Kepler，用可执行世界模型、回溯转移检查和条件预测检查审计 ARC-AGI-3 智能体行为。在固定 Claude Opus 5 配置下，Kepler 在 25 个公开游戏上取得服务器验证的 100.00 RHAE，并记录了 3 类评测失败，包括源代码泄漏、控制条件下重建被移除的 harness，以及自主修复掩盖规划器故障。
推荐理由
论文把 ARC-AGI-3 的高分拆解为可审计的验证、成本与失败记录，为交互式世界模型评测提供了可复用的报告框架。
来源：arXiv · 多模态、视频与世界模型 · arxiv.org