知识卡片：NVIDIA AVO 达到 ARC-AGI-3 100%：面向长时程自主智能体的通用架构

一句话结论

NVIDIA 提出的 Agentic Variation Operators（AVO）智能体架构，将 Claude Opus 5 从约 30% 的模型基线提升到 ARC-AGI-3 公开集 100.00 RHAE 分数，表明在长时程自主任务中，智能体系统（harness）设计而非模型能力单独决定最终性能。

事件概述或研究问题

前沿语言模型只是 AI 智能体的一个组件。智能体如何接收上下文、使用工具、维护状态、响应反馈、从失败中恢复并维持长程进度，由外围的智能体系统（harness）决定。NVIDIA 研究项目 AVO 旨在构建一种通用智能体架构，使其能在长时间、多步骤任务中可靠运行。

AVO 首先在软件工程与 GPU kernel 优化任务上验证，随后被迁移到 ARC-AGI-3 交互推理基准，以检验该架构是否具有超越代码工程的通用性。

方法/产品要点

• AVO 核心架构：主智能体迭代执行“检查上下文→计划→实现变更→评估结果”，并配有持久记忆（persistent memory）和监督器（supervisor）。持久记忆保留实现、评估结果、编译/剖析输出和累积推理；监督器监测整体搜索轨迹，在进展停滞时介入并重定向策略。
• GPU-kernel 优化中的 AVO：取代传统进化搜索中预定义的变异步骤，由自主智能体决定检查什么、修改什么、测试什么、提交什么。
• ARC-AGI-3 中的 AVO：复用同一底层智能体，仅更换任务接口和环境工具。采用直接交互设计，参考 VISTA 的思路，但重新独立实现了任务接口；不构建显式程序化世界模型。
• 观察模态：在 AVO 的 ARC-AGI-3 配置中，语言模型仅使用文本模态——每个观察以 64×64 的精确文本网格提供，不向模型发送图像或图像 token；智能体只获得可用动作，不获得规则或目标描述。

主要结果或产业意义

• ARC-AGI-3 公开集：AVO 使用 Claude Opus 5，在全部 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 个环境动作。
• 与 VISTA 对比：VISTA 使用 Claude Opus 5 完成同样 183 个公开集关卡需 7,542 个环境动作，AVO 约少用 12% 的动作。该对比不是受控消融实验。
• GPU-kernel 优化：AVO 在 NVIDIA DGX B200 系统上连续运行 7 天，探索 500 多个优化方向，提交 40 个 kernel 版本；多头注意力 kernel 相比 cuDNN 最高提升 3.5%，相比 FlashAttention-4 最高提升 10.5%。随后 AVO 约用 30 分钟自主工作将 kernel 适配到 grouped-query attention。
• 跨模型适应性：AVO 也搭配 GPT-5.6 Sol 在有挑战性的子集上做了有限实验，结果显示两者在不同维度各有优势，系统性对比留待未来工作。

为什么重要

• 该结果直观地说明：模型能力本身不等于智能体能力。ARC Prize 单独报告 Claude Opus 5 在 High reasoning effort 下约为 30%，而 AVO 系统在同一模型家族、不同推理设置和不同智能体系统下达到 100.00 RHAE，因此模型层面评估无法刻画完整智能体的性能。
• AVO 展示了“从代码工程到通用推理”的迁移：GPU-kernel 优化和 ARC-AGI-3 表面差异大，但核心计算模式相同——从部分证据构建假设、通过外部接口行动、观察结果、保存有用状态、修正错误假设、长期推进。
• 与既有相关卡片的增量信息：本条不聚焦于某个具体模型或夹具，而是提出一个通用的智能体系统架构，强调系统级设计（持久记忆、监督、工具使用）是解锁前沿模型长程自主能力的关键。

局限与不确定性

• 与 VISTA 的对比不是受控消融：两个系统在智能体后端、观察表示、记忆、上下文管理和其他实现细节上均有差异，12% 的动作差异不能单独归因于某一个机制。
• AVO 的记忆系统被推测可能有利于减少重复探索，但该实验并未隔离验证其单独贡献。
• ARC Prize 报告的 30% 与 AVO 实验所用的推理设置、智能体系统和评估设置不同，因此不能将 100.00 RHAE 直接解读为 AVO 相对于模型基线的净增益。
• 与 GPT-5.6 Sol 的配对实验规模有限，结论仍属初步。
• 当前结果基于 ARC-AGI-3 公开集；未提及私有集或官方整体排名情况。

可用于图书/PPT/简报的角度

• 用“模型是发动机，系统是底盘”的比喻说明智能体性能的来源。
• 长时程自主智能体需要哪四个关键机制：持久记忆、监督干预、工具使用、迭代执行。
• 从 GPU kernel 优化到 ARC-AGI-3 的跨域迁移，可作为“通用智能体架构”案例。
• 对比模型级评估与智能体级评估的差异，解释为何“模型跑分高”不等于“智能体能干活”。

原始材料

• 英文标题：NVIDIA AVO Reaches 100% on ARC-AGI-3, Demonstrating a Frontier-Level General-Purpose Architecture for Long-Horizon Autonomous Agents
• 英文关键词：Agentic AI, Long-Horizon Autonomous Agents, Agent Architecture, ARC-AGI-3, GPU-Kernel Optimization, Persistent Memory, Supervisor
• 来源：NVIDIA Technical Blog
  URL: https://developer.nvidia.com/blog/nvidia-avo-reaches-100-on-arc-agi-3-demonstrating-a-frontier-level-general-purpose-architecture-for-long-horizon-autonomous-agents