arc-agi3-agy-gemini3.1pro-ls20

ARC-AGI-3 ls20 Agent Trajectories数据集记录了agy-gemini3.1pro模型在ARC-AGI-3游戏ls20中的完整游戏轨迹，是ARA作为世界模型泛化实验的组成部分。该数据集的核心特征是智能体在游戏过程中实时构建结构化世界模型（称为Agent-Native Research Artifact），并利用该模型解决那些仅通过初始探索无法破解的关卡。数据集采用每个harness×模型×游戏组合独立存储的结构，相同游戏由不同模型对局的数据分布在兄弟仓库中，便于比较分析。数据在游戏过程中持续同步，每次世界模型的固化都会即时推送更新。数据集包含多个维度的记录：推理痕迹目录保存智能体的世界模型构建过程和逻辑推理轨迹；行动轨迹目录以JSON行格式记录每个子智能体的行动及决策依据；解决方案目录包含关卡进度快照和获胜行动脚本；录制文件提供帧级游戏记录；此外还包括回合级日志、工具日志、API评分卡、世界模型预测账本、资源消耗统计等丰富内容。仓库使用L<n>-cleared标签标记每个关卡通关时的完整状态快照，这些快照可直接用于下游智能体评估实验。从现有数据中还可推导出审议时间分析、失败原因分析和意外情况分析等维度。

ARC-AGI-3 ls20 Agent Trajectories dataset records the complete game trajectories of the agy-gemini3.1pro model in the ARC-AGI-3 game ls20, serving as part of the ARA world model generalization experiment. Its core feature is that the agent constructs a structured world model (called Agent-Native Research Artifact) in real-time during gameplay and uses it to solve levels that cannot be cracked through initial exploration alone. The dataset is stored independently for each harness×model×game combination, with data from different models playing the same game distributed across sibling repositories for comparative analysis. Data is continuously synchronized during gameplay, with immediate updates pushed each time the world model is solidified. The dataset includes multi-dimensional records: a reasoning trace directory preserves the agents world model construction process and logical reasoning trajectories; an action trajectory directory records each sub-agents actions and decision basis in JSON lines format; a solution directory contains level progress snapshots and winning action scripts; recording files provide frame-level game records; additionally, it includes round-level logs, tool logs, API scorecards, world model prediction ledgers, resource consumption statistics, and other rich content. The repository uses L<n>-cleared labels to mark complete state snapshots at each level clearance, which can be directly used for downstream agent evaluation experiments. Dimensions such as deliberation time analysis, failure cause analysis, and anomaly analysis can also be derived from the existing data.

原始信息汇总

数据集概述

该数据集名为 ARC-AGI-3 ls20 Agent Trajectories (agy-gemini3.1pro)，记录了 agy-gemini3.1pro 模型在 ARC-AGI-3 游戏的 ls20 关卡中的完整游戏轨迹。它是 ARA-as-world-model 泛化实验的一部分，智能体在游戏过程中实时构建结构化世界模型（Agent-Native Research Artifact），并基于该模型攻克无法通过冷探索解决的关卡。

关键信息

• 许可证：CC-BY-4.0
• 任务类别：强化学习、其他
• 语言：英语
• 标签：arc-agi, arc-agi-3, agent-trajectories, game-playing, llm-agent, world-model
• 数据集名称：ARC-AGI-3 ls20 Agent Trajectories (agy-gemini3.1pro)

数据布局

数据集包含以下文件及目录：

路径/文件	描述
reasoning/ara-ls20/	智能体的世界模型及推理轨迹（包含 logic/、trace/、staging/ 子目录）
traces/	每个子智能体的动作-推理轨迹，每行一个动作及其原因（JSON 格式）
solutions/GAME.md	状态快照：进度、机制、注意事项、搁置原因
solutions/replay/	每个关卡的获胜动作脚本（文件名如 L<n>.txt）
recordings/	按帧记录的日志，每会话一个文件（格式：<game>-<hash>.<agent>.<guid>.recording.jsonl）
episodes/	按回合合并的运行日志
logs/	日志及自由格式会话笔记（git 历史保留之前会话）
scorecards/	ARC API 评分卡（如保存）
predictions.jsonl	世界模型预测记录：置信度及后续验证结果
accounting/	本游戏的账本行（令牌/步骤）、指标部分、ARA 增长曲线
demo/	消融/展示工件（如存在）
sessions_index.json	每个记录会话的条目（智能体、GUID、帧数、最终状态）
manifest.json	来源信息：框架×模型 ID、智能体模型、仓库提交、协议哈希、同步时间

特殊标记

仓库标签 L<n>-cleared 标记每次关卡通关时的完整记录，作为下游智能体评估实验的 holdout-ready 快照。

衍生分析说明

决策时间（动作间间隔）、死亡分析及意外分析可从 recordings/ 和 traces/ 中推导得出，不单独存储。

搜集汇总

数据集介绍

构建方式

该数据集源自对ARC-AGI-3游戏平台中'ls20'关卡的智能体玩法轨迹的系统性采集，具体基于agy-gemini3.1pro这一核心模型与实验性框架'ARA-as-world-model'的协同运作。智能体在游戏进程中实时构建结构化世界模型（即智能体原生研究工件），并借助该模型突破仅凭冷探索无法解决的难题。数据集通过持续同步机制，在每次世界模型结晶化时即时推送数据更新，确保轨迹的完整性与实时性。每个仓库对应一个独立的harness×model×game组合，而本数据集作为该系列的一部分，与其他组合的仓库构成横向对比单元，便于后续泛化实验分析。

特点

该数据集最为显著的特点在于其多维度的结构化存储设计，涵盖了智能体从底层推理到高层决策的完整认知链条。具体包含：面向世界模型与推理痕迹的reasoning目录，按子智能体细分的动作推理踪迹（含行为动机解释），逐关卡的获胜动作脚本与状态快照，帧级录音与回合级日志，以及世界模型预测记录、计分卡与资源消耗账目等元数据。特别值得注意的是，仓库通过L<n>-cleared标签标记每次通关时的完整记录，为下游智能体评估实验提供即用型快照，而无需额外处理原始轨迹。此外，从录音与痕迹中可推导出智能体的决策时间间隔、死亡分析及意外性评估，这些信息未被单独存储，保持了数据结构的经济性。

使用方法

使用该数据集时，研究者可直接依据solutions/replay/中的逐关获胜脚本复现智能体的最优策略路径，或通过recordings/的帧级录音与episodes/的回合日志进行细致的动作序列与状态演变分析。如需深入理解智能体决策逻辑，可查阅reasoning/下的结构化世界模型与推理痕迹及traces/中附带动机解释的子智能体动作轨迹。对于智能体评估实验，建议利用manifest.json中的完整来源信息（包括模型ID、协议哈希、同步时间）保证实验可复现性，并借助sessions_index.json筛选特定会话。同时，由仓库内L<n>-cleared标签标记的通关快照，可直接作为holdout评估的输入数据，结合scorecards/中的计分卡与accounting/的资源消耗指标，系统衡量智能体性能与效率。

背景与挑战

背景概述

在通用人工智能的探索中，抽象推理能力被视为衡量智能体认知水平的关键指标。ARC-AGI（Abstraction and Reasoning Corpus for Artificial General Intelligence）系列数据集应运而生，旨在通过对抗性设计的视觉推理任务挑战传统人工智能系统的泛化能力。该数据集由ARC Prize团队主导创建，其核心研究问题聚焦于评估智能体是否能在仅依赖少量示例的情况下，通过构建内部世界模型来抽象规则并解决全新问题。arc-agi3-agy-gemini3.1pro-ls20作为该系列的最新演进版本，记录了Gemini 3.1 Pro模型在ARC-AGI-3游戏环境中的完整交互轨迹，探索了智能体在游戏过程中实时构建结构化世界模型（Agent-Native Research Artifact）的可行性。该数据集不仅为世界模型泛化实验提供了可复现的基线数据，更推动了从行为模仿到认知建模的研究范式转变，对评估大型语言模型在少样本推理与动态规划领域的表现具有重要影响。

当前挑战

该数据集所解决的领域问题根植于抽象推理与因果理解的核心挑战：传统AI系统往往依赖海量标注数据或既定规则，而ARC-AGI任务要求智能体从极少数样例中归纳出适用于全新场景的生成式规则，这对模型的认知架构与归纳偏置提出了根本性考验。在构建过程中，首要挑战在于如何精确捕获并结构化记录智能体在游戏过程中的实时推理轨迹，包括其构建的世界模型状态、元认知决策（如何时咨询世界模型）以及动作背后的逻辑解释。其次，跨层级的同步数据采集（从帧级录制到回合级日志）需要确保时间精度与因果一致性，避免因异步记录导致推理链的断裂。此外，模型在不同难度关卡间的策略迁移能力评估要求数据具备细粒度的状态快照（如L<n>-cleared标签），以支持后续的消融研究与能力瓶颈分析。最后，多智能体协同（agy-gemini3.1pro为一种harness×model对）下的交互复杂性增加了轨迹编码的标准化难度，需要建立统一的数据结构与元数据协议以保障不同模型间的可比性。

常用场景

经典使用场景

在人工智能与认知科学的交汇领域，ARC-AGI-3游戏作为衡量通用智能体推理能力的标杆，其求解过程常被用于训练和评估具有世界模型构建能力的智能体。该数据集记录的agy-gemini3.1pro智能体轨迹，为研究者提供了在ls20关卡中实时构建结构化世界模型（即Agent-Native Research Artifact）的完整行为序列，是探索智能体如何通过不断结晶化的认知架构来破解复杂谜题的理想素材。

衍生相关工作

该数据集衍生了多个方向的经典工作，包括基于轨迹克隆的世界模型蒸馏方法，以及利用间隙决策时序和死亡法医分析进行智能体鲁棒性评估的基准研究。研究者们通过提取其中的预测总账和结构化推理痕迹，发展出可迁移的跨关卡策略生成器，并催生了关于ARA作为世界模型生长曲线的元学习理论，为构建能持续自我进化的通用智能体奠定了实验基础。

数据集最近研究

最新研究方向

该数据集聚焦于ARC-AGI-3游戏中智能体轨迹的深度分析，属于前沿的通用人工智能（AGI）与基于世界模型的泛化能力研究。通过记录agy-gemini3.1pro模型在ls20游戏中的实时结构化世界模型构建与推理过程，数据集为探索智能体如何从冷启动到利用内部工件（ARA）解决复杂任务提供了关键实证。结合ARC Prize赛事对抽象推理挑战的持续关注，该数据反映了当前大语言模型在动态环境中的符号推理与自我修正能力突破，对推动可解释、可泛化的AI系统发展具有里程碑意义，尤其为评估模型在开放任务中的零样本适应与因果建模能力树立了新基准。