无需训练微调，辅助系统助力GPT-5.2准确率创75%纪录
什么？决定AI上限的已不再是底座模型，而是外围的「推理编排」（Orchestration）。
在LLM完全不变的前提下，仅靠一套Agentic System，就能让AI的智力表现原地提升一截。
看了「AI推理和自我改进系统」初创公司Poetiq的最新评测后，有人得出了这样的结论。
部分截图
近日，Poetiq表示其使用ARC-AGI-2测试集，在自家系统（名为meta-system）上运行了GPT-5.2 X-High。该测试集常被用于衡量当前顶尖模型在复杂抽象推理任务上的表现。
结果显示，在相同的Poetiq测试平台上，GPT‑5.2 X‑High在完整的PUBLIC-EVAL数据集上的成绩达到75%，这比此前的最佳水平高出约15%，同时每个问题的成本低于8美元。
这里的PUBLIC-EVAL是ARC测试的一部分，前者包含基础推理任务和标准的NLP、数学推理测试，适合广泛的模型评测，数据集更公开、标准；后者则有更多复杂且具挑战性的推理问题，考察模型的抽象推理、常识推理、创新能力等，是针对高水平模型的推理极限测试。
下图展示了各个顶尖模型在PUBLIC-EVAL数据集上的成绩分布：
Poetiq特别强调，其未对GPT-5.2进行任何再训练或模型特定优化。
在短时间内，相较于Poetiq之前在PUBLIC-EVAL数据集上测试的其他模型，GPT-5.2在准确率和价格方面实现了显著改进。
Poetiq进一步设想：如果在PUBLIC-EVAL测试中表现良好的规律能延续到ARC Prize官方的SEMI-PRIVATE测试中，那么「GPT-5.2 X-High + Poetiq」会比以往任何系统配置都更强、更好。
ARC Prize总裁Greg Kamradt表示：「很高兴看到Poetiq发布GPT-5.2 X-High的结果。如果这个成绩能保持，他们的系统看起来能很好地处理模型交换。不过，在OpenAI API的基础设施问题解决前，结果还未完全验证。」
这里的模型交换指的是：系统通过切换不同模型应对不同任务需求，而无需对系统或模型进行大规模调整或重新训练。
OpenAI总裁Greg Brockman也转推称：GPT-5.2在ARC-AGI-2上超越人类基准成绩。
针对全新测试结果，评论区提出了更多问题，比如「每个任务平均需要多长时间」。
Poetiq回复：「我们目前没有专门收集这些统计数据，最简单的问题大概8到10分钟后就能完成，最难的问题必须在12小时前终止，以符合时间限制。所以，未来肯定还有改进空间。」
还有人指出：「大部分改进似乎来自测试框架和协调机制，而非任何模型特定调优。在无训练变更的情况下，ARC-AGI-2上提高约15%，这表明仅在搜索、路由和终止逻辑方面就还有很大提升空间。」
但问题是：为何在这个设置中，X-High每个任务的成本比High还要低？是因为它更早找到正确解决方案从而更快收敛，还是测试框架更积极地修剪了无效推理过程？
对于这个问题，Poetiq肯定了「X-High只是比High更快收敛到正确答案」这一观点。
6人团队打造Meta-system系统
Poetiq是一支由6位研究员和工程师组成的团队，多位核心成员来自Google DeepMind。
Ian Fischer（联合创始人&联席CEO）：曾是Google DeepMind的资深研究员；
Shumeet Baluja（联合创始人&联席CEO）：同样出身于Google/DeepMind的资深专家。
Poetiq能取得上述成绩，关键在于其构建的meta-system（元系统）。
Meta-system不依赖特定大模型，可与任何前沿模型配合使用（如Gemini 3、GPT-5.1、Grok等），而非训练或微调模型本身，这意味着它能随新模型发布快速适配并提升性能。
Poetiq meta-system构建了一种迭代式推理过程，与传统一次性生成答案的方法不同，它有两个主要机制：
迭代式问题求解循环：系统并非只向模型提出一次问题，而是利用大语言模型（LLM）生成一个潜在解决方案，随后接收反馈、分析反馈，并再次调用LLM对方案进行改进。这种多步骤、自我改进的过程，让系统能逐步构建并不断完善最终答案。
自我审计（Self-Auditing）：系统能自主审计自身运行进度，自行判断何时已获得足够信息、当前解决方案是否令人满意，从而决定终止整个过程。这种自我监控机制对避免不必要的计算浪费、有效降低整体成本至关重要。
Poetiq还特别强调，他们所有meta-system的适配工作在新模型发布前就已完成，且系统从未直接接触过ARC-AGI任务集，但依然在多个不同模型上取得跨版本、跨模型族的性能提升，说明meta-system对推理策略具有良好的泛化能力。
正是这种灵活、强大且具备递归能力的架构，让Poetiq这样的小规模团队能在极短时间内取得一系列顶尖成果。
对于这个meta-system，有人认为：「太棒了。在模型之上构建智能，而非在模型内部构建，意味着能在几小时内适配新模型，非常高明。适配开源模型且成功迁移到新的封闭模型，这表明捕捉到的是推理过程本身的基本规律，而非模型特定的特性。」
参考链接：https://poetiq.ai/posts/arcagi_verified/
本文来自微信公众号“机器之心”，编辑：杜伟、陈陈，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com