AREX Feed Article
Chollet 称 base LLM 与 LRM 的关键区别是从转导到归纳的范式切换，并称 LRM 已在 2025 年把 ARC-AGI-1 做到饱和
北京时间 10 月 2 日凌晨（UTC 10 月 1 日），ARC-AGI 基准的、ARC Prize François Chollet（@fchollet）在 ，用一组对照概括两代模型的差别：base LLM（2024 年及以前的基础语言模型）与现代 LRM（Large Reasoning Model，大型推理模型）的关键区别不是符号化工具使用，而是范式层面的一次切换：从“转导”（transductive，直接直觉出查询的答案）到“归纳”（inductive，直觉出能产生答案的程序或指令）。他认为，这次切换让 LRM 解锁了全新的能力，尤其是流体智力（fluid intelligence）。
帖文给出的数字很具体：LLM 在 2019 年发布的基准 ARC-AGI-1 上至今仍只有约 10%～15% 的成绩；把 LLM 扩大约 10 万倍，也只是把它们从 0% 抬到 10%；而同样大小、甚至更小的 LRM，已经在 2025 年把 ARC-AGI-1 做到饱和。这些是 Chollet 一方给出的表述与口径；ARC Prize 官方核验公布的成绩则显示，。
测试时归纳：机制与 2024 年的分析
Chollet 把两种范式压缩成一组短句：转导式是“直觉出查询的答案”，归纳式是“直觉出能产生答案的程序或指令”。按帖文，现代 LRM“被训练为归纳式的，并在测试时做归纳”，也就是在测试时预测一段自然语言程序或推理链；正是这一点“解锁了全新的能力，尤其是流体智力”。
这套框架此前就出现在 ARC Prize 的公开分析里。2024 年 12 月，ARC Prize 公布 o3-preview 成绩的分析把更早的语言模型概括为“记忆、取用、套用”：从训练数据里取出一个预先存好的“小程序”，套在输入上执行；这种范式“无法适应新奇事物，也无法当场获得新技能，也就是说，这里没有流体智力可言”。同一篇分析写道，给 GPT-4 投入更多算力，也得不到 o3 那样的结果。
ARC-AGI-1：四年从 0% 到 5%，然后是一次阶跃
ARC Prize 官网介绍，ARC-AGI-1 由 Chollet 在 2019 年的论文《On the Measure of Intelligence》中提出，共 800 个网格推理任务，每题通常只给三组左右的示例输入输出，考察 AI 对“没有被准备过”的问题的推理能力。从 2019 年到 2024 年底，它一直没有被 AI 系统攻克，尽管这段时期基础 LLM 的预训练规模扩大了 5 万倍。
转折出现在 2024 年 12 月。按 ，OpenAI 的 o3-preview 在 ARC-AGI-1 半私评测集上拿到 75.7%（在 1 万美元算力上限内），在 172 倍算力的配置下达到 87.5%。ARC Prize 称这是“阶跃式的提升”，展示了 GPT 系列模型中“从未见过的任务适应能力”。在 o3 之前，GPT-3 为 0%、GPT-4 接近 0%、GPT-4o 为 5%；ARC Prize 的总结是，ARC-AGI-1 从 0% 走到 5% 用了四年。官网现在把 o3-preview 列为 LRM 范式的早期代表之一。那篇分析也注明：OpenAI 告知，被测版本在 ARC-AGI-1 公开训练集的 75% 上训练过，成绩来自半私评测集。
ARC Prize 在 2025 年 12 月的年度分析里用一张示意图概括了这条能力曲线：2015 年以来的两个台阶，第一级是“Transformer → GPT 时代”，第二级是“CoT → AI 推理系统时代”（CoT 指思维链）。
数字口径与两档模型的差距
帖文没有说明这个倍数指的是参数量、训练算力还是推理算力；ARC Prize 官网在叙述同一段历史时给出的数字则是 5 万倍，对应 2019 年至 2024 年底基础模型预训练规模的扩张。
官方记录里能与帖文对照的，是两档模型之间的量级差。非推理模型一侧，2025 年 4 月发布的官方榜单图上，GPT-4.5 约 10%（见开头的散点图）；推理模型一侧，同月 里，o3-low 与 o3-medium 在 ARC-AGI-1 上分别取得 41% 和 53%。到 2026 年 9 月下旬至 10 月初，为 86.7%，而 GPT-6.1 Sol 在 ARC-AGI-2 上达到 94.2%。
“流体智力”：断言与官方措辞
在 ARC 的语境里，流体智力指向的是从极少信息中当场学会、并迁移到新任务的能力，而不是知识存量；ARC Prize 的那篇 o3-preview 分析把“无法适应新奇事物、无法当场获得新技能”直接等同于“没有流体智力”。Chollet 帖文里的写法更直白：“base LLM 至今的流体智力约为 0”，而“LRM 已有相当水平的流体智力”。
ARC Prize 自己更常用的词是“AI 推理系统”。在 2025 年 12 月的年度报告里，该机构的措辞是：推理系统“已经展示了非零的流体智力”，当基础模型与更广的知识领域相连时，能适应远离其精确知识的任务；报告还把推理系统称为“一种我们认为与 LLM 的发明同等重要的新技术”。
帖文之下的追问：术语、架构与后训练
到 10 月 2 日下午，这则帖文已获得 900 多次点赞、77 条回复和 15 次引用；回复和引用里，赞同与质疑落在几个具体问题上。Andreas Kirsch 在里写道：“令人困惑的一点是，现代 LLM 与 base LLM 在架构和运行框架上基本是相同的，不同的只是权重（以及后训练）。”这给“范式切换”留下一个界定问题：在架构与运行框架不变、变化只来自权重与后训练的情况下，切换究竟发生在哪个层面。Steven Hansen（其 X 简介自述为 Google DeepMind 的 Gemini Physical Agents and Embodied Reasoning 负责人）的更直接：“LRM 到底是什么？”引用里也有支持者：Burny 把 Chollet 的立场读作“RLVR/RLAIF 这类强化学习式的后训练（分别基于可验证奖励与 AI 反馈）正在对预训练特征与回路做非常底层的改造”，并称。
饱和之后：成本与后继基准
ARC Prize 在 9 月底的一则给出了另一组数字：在 ARC-AGI-1 上达到 75% 的每任务成本，19 个月里从 o3-preview 的 26 美元降到 DeepSeek V4 Flash 的 0.01 美元。基准方面，ARC-AGI-2 于 2025 年 3 月发布；ARC Prize 表示 ARC-AGI-3 计划于 2026 年初发布，而已经对应 ARC-AGI-3；2025 年的 Grand Prize 依然无人领取。
而在 2025 年年度报告里，与“饱和”直接相关的一处保留是：该机构相信，知识过拟合正在 ARC-AGI-1 与 ARC-AGI-2 上发生。当公开训练集与私有测试集足够相似、基础模型又见过大量公开数据时，即便设计上抵抗记忆的基准也可能被“过拟合”；报告写道：“是偶然还是有意，我们无法判断。”