NVIDIA AVO 在 ARC-AGI-3 上达到
来自 NVIDIA Developer · 期号 2026-08-21
摘要
NVIDIA 的 AVO（Agentic Vision Operator）在 ARC-AGI-3 基准上达到 100% 的准确率。 ARC-AGI-3 是一个衡量 AI 泛化能力的视觉推理测试，此前没有系统能完全通过。AVO 是一个通用 agent 架构，它把视觉感知、语言推理和工具调用组合成一个循环，让模型能在长时间任务中持续工作。 NVIDIA 称 AVO 的设计是“前沿级通用架构”，适用于需要长期自主运行的 agent 场景。
深读
导读 NVIDIA 的研究项目 AVO（Agentic Vision Operator）在视觉推理基准 ARC-AGI-3 上取得了 100% 的准确率，完成了全部 183 个关卡。更重要的是，这个架构此前已在 GPU 内核优化任务中连续运行七天并产出超越 cuDNN 和 FlashAttention-4 的内核。这篇文章的核心论点是：长周期自主能力是完整 agent 系统（记忆、工具、反馈、恢复）的产物，而非仅靠模型能力。对于关注 agent 架构设计、而非单一模型评测的读者，这是一份值得细读的案例。 关键信息 - AVO 在 ARC-AGI-3 公共集的 25 个环境中获得 100.00 RHAE 分数，完成全部 183 个关卡，共使用 6,624 次环境动作。 - 与同样使用 Claude Opus 5 的 VISTA 系统相比，AVO 完成相同关卡集时少用了约 12% 的环境动作（VISTA 报告 7,542 次）。 - 在为期七天的注意力内核优化实验中，AVO 探索了超过 500 个优化方向，产出了 40 个提交的内核版本。 - 优化后的多头注意力内核在 NVIDIA DGX B200 系统上，在评估配置中最高比 cuDNN 快 3.5%、比 FlashAttention-4 快 10.5%。 - AVO 在 ARC-AGI-3 上使用纯文本输入模式：每个观察以精确的 64x64 文本网格形式提供，不向模型发送任何图像或图像 token。 逐节讲解 AVO 架构：面向长周期自主任务的通用 agent 系统 AVO 是一个通用编码 agent 系统，其核心设计目标是支持长时间持续自主运行。与传统进化搜索系统中预定义的变异步骤不同，AVO 用一个自主 agent 来决定如何生成下一个候选方案，检查什么、修改什么、测试什么、提交什么。系统包含两个关键机制：持久化记忆（携带先前的实现、评估结果、编译器输出和累积推理）和监督器（监控搜索轨迹，在进展停滞时引导主 agent 转向替代策略）。当应用到不同任务时，底层 agent 保持不变，只更换环境特定的工具和评估接口。 自主 GPU 内核优化：七天的持续工程循环 GPU 内核优化为 AVO 提供了早期的高难度测试。搜索空间巨大，性能景观难以直接推理，微小的实现改动可能以难以预测的方式影响正确性、内存行为、调度和吞吐量。在注意力内核研究中，AVO 连续运行七天，探索超过 500 个优化方向，产出了 40 个提交的内核版本。在 DGX B200 系统上，优化后的内核在评估配置中最高比 cuDNN 快 3.5%、比 FlashAttention-4 快 10.5%。随后，agent 在约 30 分钟的额外自主工作中将进化出的内核适配到了分组查询注意力（GQA）。 从工程到推理：同一架构迁移至 ARC-AGI-3 A…