ARC-AGI redéfinit la manière de mesurer les progrès sur le chemin vers l'AGI - en se concentrant sur le raisonnement, la généralisation et l'adaptabilité plutôt que sur la mémorisation ou l'échelle. Lors de NeurIPS 2025, @sdianahu de YC s'est entretenu avec le président d'@arcprize, @GregKamradt, pour découvrir pourquoi la plupart des benchmarks en IA échouent, comment ARC-AGI révèle les limites des modèles actuels et pourquoi mesurer l'intelligence peut être plus difficile que de la construire. 00:11 — Ce qu'est le Prix ARC et pourquoi il existe 00:38 — La définition de l'AGI par François Chollet 01:48 — Ce que teste réellement ARC-AGI 02:25 — Quand les LLM ont échoué au benchmark ARC 03:38 — ARC-AGI devient la norme 04:49 — Faux positifs dans les progrès de l'IA 06:06 — L'évolution d'ARC-AGI 08:55 — Mesurer l'intelligence au-delà de la simple précision 10:25 — Que se passe-t-il si un modèle résout ARC-AGI ?