程序验证

最新研究通过四组嵌套式Codex智能体实验，系统拆解了可执行世界建模、计划简化和精确回放验证三大组件在ARC-AGI-3任务中的实际贡献。验证显示完整验证方案表现最佳，但资源消耗显著增加。