AI関連の最新ニュースをピックアップ
NVIDIA（GPUおよびAIコンピューティングの世界的半導体企業）は、長期的な自律タスクを実行するための汎用エージェントアーキテクチャ「AVO (Agentic Variation Operators)（NVIDIAが開発する長期自律タスク向けエージェントアーキテクチャ）」が、高度な推論ベンチマーク「ARC-AGI-3（ルール非開示の未知環境で目標と力学を推論・探索する難関AIベンチマーク）」のパブリックセット全25環境（計183レベル）において、100.00 RHAEスコアを達成したと発表した。
ARC-AGI-3は、ルールや目標の説明が一切与えられない未知のゲーム環境にエージェントが投入され、試行錯誤を通じて環境の力学とクリア条件を推論・学習する難関ベンチマークである。人間の初回プレイ基準との相対行動効率を示す「RHAE（Relative Human Action Efficiency）」が指標として用いられる。
AVOは元来、GPUカーネル最適化やソフトウェア自動生成などの長期開発タスク向けに考案されたアーキテクチャである。今回の検証では、バックエンドにClaude Opus 5を採用し、全183レベルを6,624環境アクションで完遂した。先行の直接対話型システム「VISTA」が記録した7,542アクションと比較して約12%少ない行動回数でクリアを達成した。
特筆すべき点として、AVOは画像トークンを一切使用せず、64×64のテキストグリッド表現のみを入力として推論を行った。また、GPT-5.6 Solと組み合わせた実験でも、より高速な実時間でのレベル到達を確認している。
ARC-AGI-3における主要なアプローチの違いは以下の通りである。
| システム | バックエンドモデル | 入力表現 | 公開セットクリアアクション数 | 特徴 |
|---|---|---|---|---|
| NVIDIA AVO | Claude Opus 5 / GPT-5.6 Sol | 64×64 テキストグリッド | 6,624 アクション（100.00 RHAE） | 永続メモリと復元ループを備えた汎用アーキテクチャ |
| VISTA | Claude Opus 5 / GPT-5.6 Sol | 512×512 PNG画像 / テキスト | 7,542 アクション | 直接対話型ハーネス設計 |
| Tycho | 各種LLM | プログラム表現 | — | 明示的な実行可能世界モデルの構築アプローチ |
単体のClaude Opus 5を高推論設定で評価した場合のスコアは約30%にとどまる一方、AVOアーキテクチャを組み合わせることで100%の達成が可能となった。これは、長期間に及ぶ自律タスクの成否がモデル単体の知能だけでなく、永続メモリ、ツール活用、フィードバックによる自己修正といった「エージェントハーネス（外周システム）」の設計に大きく左右されることを如実に示している。