英伟达 AVO 直接把 ARC-AGI-3 刷满分了

以前 ARC 还是纯静态离线题，AVO 换成交互式：模型能主动查环境、写代码试错、再根据反馈修策略。相当于把「做题」变成了「做实验」，这才是通用智能该有的样子。跑分细节没全放，但能把 100% 拿下，说明它在组合技能、长链条推理上已经不靠死记硬背了。

有点意思的是，AVO 并没堆参数量，核心是把程序合成当「外挂大脑」——让 LLM 只负责拆任务、写假设，具体执行全交给确定性 Python 沙箱跑。这思路跟 Sif、AlphaCode 2 如出一辙：大模型当规划员，代码引擎当执行员，中间靠交互闭环纠偏。

对应用层启发很大：别再指望单模型一步到位，搞个轻量 Agent 循环（观察→假设→代码→验证→修正）反而更稳、更可控。下一步看看能不能把这套交互范式迁移到长上下文、多工具调用的真实业务里。