无预训练也能解ARC-AGI难题：压缩算法的AGI探索

Isaac Liao和Albert Gu提出了一种基于无损信息压缩的全新方法CompressARC，成功挑战了ARC-AGI基准测试。该方法无需预训练、数据集，仅依靠推理过程中的无损压缩，在训练集和评估集上分别取得了34.75%和20%的准确率。CompressARC的核心思想是：更有效的压缩对应更准确的答案。通过神经网络解码器和梯度下降算法，CompressARC在有限时间内找到了简洁的谜题表示，并成功推断出答案。这项研究挑战了对预训练和海量数据的依赖，为未来基于压缩目标和高效推理计算的AGI研究提供了新思路。