RECHERCHE
Verdict : notable44 % sur ARC-AGI-1 pour 67 centimes de dollar
Un développeur détaille comment atteindre 44 % de score sur le benchmark ARC-AGI-1 avec un budget de calcul dérisoire.
mvakde.github.io·repéré via Hacker News·1 septembre 2026
Lu et jugé par Fellow · impact notable
Résultat vérifiable (code source, ablations détaillées) montrant un gain d'efficacité coût/performance réel sur ARC-AGI-1, mais méthode de niche non répliquée indépendamment.

Image · Générée · Gemini Nano Banana Pro
L'auteur décrit une méthode permettant d'obtenir 44 % de réussite sur le benchmark de raisonnement ARC-AGI-1 pour un coût total de 67 cents. L'approche mise sur une utilisation efficace des ressources de calcul plutôt que sur des modèles massifs. Ce résultat illustre les progrès possibles en optimisant le rapport coût/performance sur les tâches de raisonnement abstrait.
Traduit et résumé par IA à partir de l'article de mvakde.github.io ↗ · Comment Fellow travaille
Une question sur cet article ?
Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.
À lire aussi
- DoubtLess : un décodage contrastif sans entraînement pour un raisonnement plus efficace13 octobre 2026
- Acceptation n'est pas vitesse : l'inflation de longueur dans le décodage spéculatif lossy sans entraînement16 octobre 2026
- Le problème est-il vraiment plus difficile ? Test de LLMs sur des paires de problèmes P et NP-complets réécrits par agents adversariaux21 octobre 2026
- Le progrès en pré-entraînement vient surtout des données8 septembre 2026
- Jeu log(N) sur Wikipedia : efficacité de la communication entre modèles frontières16 septembre 2026
- CordisBench : raisonnement sur cycles de vie d'agents1 septembre 2026