ARC-AGI 內化了一個重要的教訓，但並不是很多其他人都這樣做，那就是基準性能是測試時計算的函數。 @OpenAI 發布單一數字的基準結果，因為這樣更簡單，人們也期望看到這樣的結果，但理想情況下，所有評估都應該有一個 x 軸。