Похоже, команда NVIDA добилась ощутимого прогресса в улучшении возможностей уже существующих LLM

В блоге компании NVIDA опубликован пост о возможностях разработанной ими обвязки над LLM c названием AVO (Agentic Variation Operators). Судя по всему, изначально она разрабатывалась для улучшения архитектуры GPU самой компании NVIDA (в чем тоже весьма преуспела), но потом ее решили попробовать на решении одной из самых трудных для языковых моделей задач - тесте ARC-AGI-3 специально разработанном таким образом, что бы задачи могли сравнительно легко решаться среднестатистическим человеком, но были труды для языковых моделей. В частности, не менее 20% людей решают все 100% задач с первой попытки.

До последнего времени результат модели Claude Opus 5, с которой экспериментировали авторы, составлял около 30%, но с подключением AVO он скакнул сразу до 100%. Обсуждаемая обвязка может работать и с другими моделями, в частности авторы экспериментировали с GPT-5.6 Sol. Судя по изложенному в публикации материалу, AVO выступает для самой модели чем-то вроде направляющего ее агента, помогая осуществлять стратегическое планирование, решать проблему зацикливания LLM, менять план поиска решения, если предложенный до этого не работает и т.д. В общем, похоже, найден путь ощутимого улучшения работы уже существующих моделей, позволяющий в полной мере использовать их скрытые до этого возможности.