知识卡片：schema框架近乎攻破ARC-AGI-3，让AI像物理学家思考

一句话结论

伯克利等团队提出的harness框架schema，通过将世界模型编写为可运行、可验证、可搜索的程序，在不改动模型权重的前提下，将Claude Code基线在ARC-AGI-3公开集上的42.83% RHAE提升至98.98%，但成绩为自报告，尚未经官方独立复核。

事件概述

伯克利等研究团队推出名为“schema”的harness框架，在ARC-AGI-3公开集上，配合Claude Opus 4.8与Fable 5模型，达到了98.98%的RHAE（Robot-Human Alignment Evaluation？待核实具体指标全称）。该方法的核心思想是让AI像物理学家一样思考：通过“观察—推演—执行—记录”的闭环，让模型主动实验并用现实来否证假设。

方法/产品要点

• 核心机制：将世界模型写成可运行、可验证、可搜索的程序，形成一个外层harness（支架）。
• 工作流程：“观察—推演—执行—记录”闭环，使模型能够通过实验来检验和修正假设。
• 模型无关性：不修改底层模型权重，仅依靠外层harness来引导推理过程。

主要结果

• 在ARC-AGI-3公开集上，使用Claude Opus 4.8与Fable 5，schema框架达到98.98% RHAE。
• 对比基线：Claude Code单独使用时仅为42.83% RHAE，提升幅度超过56个百分点。
• 成绩来源：团队自报告，官方尚未进行独立复核。

为什么重要

• 范式突破：展示了无需更新模型参数，仅通过外部推理框架即可大幅提升模型在抽象推理任务上的表现，为“小模型+强支架”路线提供了有力证据。
• 启发意义：将科学方法论（实验、否证）引入AI推理流程，可能适用于其他需要复杂常识推理的场景。
• 增量信息：与已有卡片（如AlphaEvolve关注自动算法发现、AlphaEarth Earthings关注地理映射）不同，本卡片聚焦于通过“世界模型程序化”提升抽象推理能力，属于AI对齐与推理框架的创新。

局限与不确定性

• 未独立复核：98.98%为团队自报告结果，需等待第三方独立验证。
• 公开集限制：仅在ARC-AGI-3公开集上测试，未说明在私有集或更广泛任务上的泛化能力。
• 计算成本：使用Claude Opus 4.8与Fable 5等顶级模型，框架本身的额外开销和运行成本未披露。
• 可迁移性：该方案是否适用于其他模型家族（如开源模型）或低性能模型尚待确认。

可用于图书/PPT/简报的角度

• 主题：AI推理的新范式——从“大模型”到“强支架”
• 关键案例：schema框架如何通过“物理学家式思考”让AI成绩翻倍
• 对比：传统微调 vs. 外部harnes框架的优缺点
• 启示：未来AI研发的重心可能从模型规模转向推理架构设计

原始材料

• URL: https://m.sohu.com/a/1052230396_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=7
• Parent digest: 腾讯研究院AI速递 20260720
• 英文标题: schema framework nearly cracks ARC-AGI-3, making AI think like a physicist
• 英文关键词: schema, ARC-AGI-3, harness, world model, RHAE