1.5小时训练的小型Transformer在ARC-AGI-1上得分44%，超越众多LLM
2026.09.02 · 事件 · 开源项目 · 本人发布
作者用1.5小时在5090上训练小型Transformer，ARC-AGI-1得分44%，与TRM/HRM持平。
作者训练了一个小型Transformer，仅用1.5小时和一块5090显卡，在ARC-AGI-1基准上获得44%的分数，与TRM/HRM持平，超越许多大型语言模型。相比之前版本，新模型更快、更好、更便宜，且保持开源。作者认为样本效率是AI当前最重要的问题，并致力于在Transformer框架内探索其极限。
- 1.5小时训练，ARC-AGI-1得分44%
- 超越许多LLM，与TRM/HRM持平
- 相比前代更快、更好、更便宜
- 保持开源，代码已发布在GitHub
- ARC-2上得分7%
为什么值得看
展示样本效率的极限，挑战大型模型范式。
适合谁关注
关注AI样本效率、小模型训练和ARC基准的研究者。