一句话定义
ARC-AGI（Abstraction and Reasoning Corpus for Artificial General Intelligence，通用人工智能抽象与推理语料库）是一套图形推理测试集：每道题只给几个“输入→输出”的示范样例，要求答题者自己看出规律，再把规律套到新样例上。它测的是举一反三的能力，而不是记住了多少知识。
题目长什么样
每道题是一张彩色方格网（grid）。网格里画着若干色块：先给你两三组“改前”和“改后”的对照图，再给一张“改前”的图，让你填出“改后”的结果。规律可以是把最大的形状补成对称、把散落的点连成线、按颜色数量排序、把一个图形复制到某个角落……
关键在于：每道题的规律都不一样，而且这些规律取自人类几岁小孩就具备的基本先验，比如物体、计数、对称、连通、重复、顺序，并不来自教科书上的知识。所以大多数人能比较轻松地做对相当一部分，但没有任何“背模板”的空间。
和相邻概念的区别
| ARC-AGI | 知识型评测（学科问答等） | 数学/代码题 | |
|---|---|---|---|
| 靠什么得分 | 现场归纳规律 | 记忆＋理解 | 记忆＋计算或推理 |
| 题与题之间是否有相似套路 | 几乎没有，题题不同 | 有大量同类题 | 题型相对固定 |
| 是否容易被“刷题” | 很难 | 容易 | 中等 |
它和 IQ 测试的区别也类似：IQ 题有固定题型（数列、类比、图形），可以专门训练；ARC-AGI 则刻意让每道题都只出现一次，并公开一部分题目、保留一部分不公开，目的就是防止“见过这道题”这一点混进分数里。
为什么值得关注
对 AI 从业者来说，它提供了一把“减去知识”的尺子。模型在知识型测试上分数高，可能只是语料里见过；而在 ARC-AGI 上得分，说明它真的能从两三个样例里提炼出规则，并把规则变成可执行的变换。所以很多人把它当作衡量“通用性”的参照指标，而不是“智能”的绝对标尺——它只是众多评测之一，分数高不代表什么都能干，分数低也不代表没用。
对普通职场人来说，这套题的思路很好用：判断一个新工具或一个新人的能力，别只问“你知道多少”，给两三个样例，让对方做第四件事，看能不能照着规律做出来。真正的能力往往体现在没见过的第三例、第四例上。
补充一句：ARC-AGI 后来有更难的新版本，具体的题目形式、榜单与参赛规则以官方页面为准。