<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>AVO on Peng Tan's AI Blog</title><link>https://hobbytp.github.io/zh/tags/avo/</link><description>一个关注 AI 各领域的专题博客</description><atom:link href="https://hobbytp.github.io/zh/tags/avo/index.xml" rel="self" type="application/rss+xml"/><item><title>NVIDIA AVO 满分之后：AI 的基本单位正在从模型变成“持续学习系统”</title><link>https://hobbytp.github.io/zh/my_insights/nvidia_avo_arc_agi_3/</link><pubDate>Sun, 23 Aug 2026 00:00:00 +0800</pubDate><guid>https://hobbytp.github.io/zh/my_insights/nvidia_avo_arc_agi_3/</guid><description>NVIDIA AVO 在 ARC-AGI-3 公开演示集取得 100 分，真正值得关注的并不是又一个满分，而是 Harness 如何把短时推理转化为跨上下文持续积累的系统能力。本文拆解 AVO、RHAE 的计量盲区，以及模型 Scaling、测试时计算与系统时扩展之间的新边界。</description></item></channel></rss>