刚刚，GPT-5.2刷新了一项新纪录！OpenAI联合创始人Greg Brockman发帖称使用GPT-5.2在ARC-AGI-2基准测试上，表现超过了人类基线水平。在基准测试时技能爆表，但一到实际应用就“掉链子”，OpenAI前首席科学家Ilya Sutskever提到的这种大模型“性能悖论”我们并不陌生。 这也是AGI评估领域一个长期存在的难题——如何区分大模型“真正的推理能力”与“刷题型能力”。 而ARC-AGI-2的出现正好打破了这一难题。 ARC-AGI-2的全称为“Abstraction and…