Az NVIDIA AVO architektúra 100%-ot ért el az ARC-AGI-3 teljesítményteszten

Az NVIDIA Agentic Variation Operators (AVO) architektúrája 100%-os pontszámot ért el az ARC-AGI-3 teljesítményteszten, minden 183 szintet teljesítve 25 környezetben. A rendszer 12%-kal kevesebb környezeti műveletet használt, mint a VISTA, és 100%-os RHAE-eredményt mutatott. Ez az eredmény alátámasztja, hogy a hosszú távú, autonóm feladatok sikeressége nem csupán a modell képességein, hanem a rendszer szintű architektúrán múlik.

Az AVO egy általános célú ügynökrendszer, amely képes kódot ellenőrizni és szerkeszteni, parancsokat futtatni, dokumentációt lekérdezni és munkáját végrehajtással validálni. A rendszer integrálja a perzisztens memóriát, a felügyeletet és az eszközhasználatot, lehetővé téve a tartós autonóm működést hosszú távú feladatok esetén.

A kutatók, köztük Terry Chen és Yeyin (Eva) Zhu, az NVIDIA Developer Blogon közölték, hogy az AVO képes volt önállóan optimalizálni GPU-kerneleket, több mint 500 irányt vizsgálva és 40 verziót kiadva, ami 10,5%-kal jobb teljesítményt eredményezett a FlashAttention-4-hez képest NVIDIA DGX B200 rendszereken.

Autonóm GPU-kernel optimalizálás

Az AVO architektúrát először GPU-kernel optimalizálási feladatokon tesztelték, ahol a keresési tér nagy, és a teljesítményt nehéz közvetlenül megjósolni. Az AVO hét napon keresztül folyamatosan működött, több mint 500 optimalizálási irányt vizsgált, és 40 kernel verziót hozott létre.

Az eredményül kapott multihead attention kernel a vizsgált konfigurációkban akár 3,5%-kal múlta felül a cuDNN-t és 10,5%-kal a FlashAttention-4-et az NVIDIA DGX B200 rendszereken. Ez a kísérlet azt mutatja, hogy az AVO képes produktív mérnöki ciklusokat fenntartani anélkül, hogy minden lépést manuálisan kellene előírni.

Hosszú távú ügynöki munka fenntartása

Az AVO úgy lett tervezve, hogy megőrizze a haladást egyetlen modellkontextuson túl. Két mechanizmus különösen fontos: a perzisztens memória és a felügyelet. A perzisztens memória továbbviszi az előző implementációkat, értékelési eredményeket, fordítói és profilírozói kimeneteket, valamint felhalmozott érvelést, lehetővé téve az ügynök számára, hogy az aktuális állapotból folytassa, ahelyett, hogy ismételten rekonstruálná a keresést. A felügyelő figyeli a szélesebb trajektóriát stagnálás vagy ismétlődő nem produktív ciklusok esetén, és szükség esetén átirányíthatja a fő ügynököt alternatív stratégiák felé.

Általános célú érvelés

Az NVIDIA csapata ugyanazt az AVO architektúrát alkalmazta az interaktív érvelési teljesítményteszten, az ARC-AGI-3-on is. Ebben az ügynökök ismeretlen környezetekbe lépnek be utasítások, szabályok vagy célok nélkül. A modell 100%-os RHAE pontszámot ért el az ARC-AGI-3 nyilvános készletén, mind a 183 szintet teljesítve. Az eredmény azt mutatja, hogy a modell képessége mellett a környező rendszer határozza meg, hogy az adott képesség milyen hatékonyan alakítható át tartós autonóm haladássá. Az AVO 2026. augusztus 21-én került bemutatásra.