ARC-AGI基准测试或将迎来突破，创始人却警示测试设计存在根本性问题。

对通用人工智能（AGI）的研究和开发正蓬勃发展，ARC-AGI就是一个例子，它致力于构建“可扩展的、可解释的AGI”，并为此做出了巨大的努力。

自2019年以来，ARC-AGI团队一直致力于AI安全研究，他们认为AI系统应该安全可靠，能够理解并执行人类指令，而不是仅限于执行特定任务，并且能够理解人类语言，并以符合人类意图的方式做出反应。

该团队还强调了大型语言模型（LLM）的局限性，认为LLM虽然在某些任务上表现出色，但它们容易出现错误，并且缺乏对世界的真正理解，因此不能完全等同于AGI。他们认为，LLM只是AGI发展道路上的一步，未来需要进一步的研究来克服LLM的局限性，并构建真正的AGI。

值得注意的是，ARC-AGI并非孤军奋战。例如，Zapier的首席执行官Mike Knoop曾在6月份的一篇文章中提到，他投资了100万美元用于AI安全研究，并表示相信ARC-AGI的潜力。ARC-AGI在17789次模拟中，其AI系统成功率达到了55.5%，远超预期，达到了85%的标准，这表明ARC-AGI团队在AGI研究方面取得了显著进展。

Knoop认为，ARC-AGI正在努力解决AGI领域的关键挑战，例如可扩展性、可解释性和安全性。他认为ARC-AGI的目标是构建一个“可靠的”AGI系统，而不是一个仅仅追求性能的系统。ARC-AGI的成果显示了其在AGI研究方面的创新性，其发展模式也为其他AI研究团队提供了宝贵的经验和借鉴。

ARC-AGI团队持续关注AGI的安全性以及可控性，致力于解决AI安全问题，避免潜在风险。他们相信，通过对AGI的安全性以及可控性进行持续的研究，可以更好地将AGI应用于实际场景，并为人类社会带来福祉。ARC-AGI团队的研究成果为AGI的发展提供了新的思路，也为未来AGI的应用提供了更多的可能性。

总而言之，ARC-AGI的AGI研究成果令人瞩目，其对AGI安全性和可控性的关注也值得行业借鉴。OpenAI等其他机构也在积极探索AGI，但ARC-AGI在可解释性和安全性方面的侧重点使其在AGI研发领域独树一帜，未来有望在AGI领域取得更多突破。