NVIDIA AVOがARC-AGI-3公開セットで
100%を達成

AVO（Agentic Variation Operators）は、NVIDIAが開発した一般用途のコーディングエージェントシステムだ。従来の進化的検索で固定されていた変異・交叉を、自律的なコーディングエージェントそのものに置き換える。

2026年3月の論文でGPUカーネル最適化の実績を示し、今回その同じアーキテクチャをARC-AGI-3に向けた。結果、モデル評価とエージェント評価は別物であることを、数字で示した。

まず読むもの：NVIDIA公式ブログ / arXiv論文

AVOの核心は以下の3点に集約される。

• Persistent Memory：過去の実装・評価結果・コンパイラ/プロファイラ出力・蓄積された推論をコンテキスト外でも保持。git lineageのようにバージョン管理し、再開可能にする。
• Supervisor：進捗が停滞したり同じ失敗パターンを繰り返したときに介入し、メインエージェントを別の探索方向にリダイレクトする。
• Inspect → Plan → Implement → Evaluate ループ：ツール実行フィードバックを織り交ぜ、仮説形成→実装→検証→修正を自律的に回し続ける。

論文では「単一のVariation Stepが自律的なエージェントループそのもの」と定義されている。エージェントがlineageを参照し、知識ベースを引き、実装し、評価関数を呼び、修正を繰り返す。

ARC-AGI-3公開セット（25環境・183レベル）での結果と、元々のGPUカーネル最適化実績をまとめる。

比較はcontrolled ablationではない（観測表現・メモリ・コンテキスト管理などが異なる）。それでも「同じモデルを異なるハーネスで動かしたときの差」は明確だ。

最も重要な発見は「同じエージェントアーキテクチャが、全く別のタスクに転用できた」ことだ。

• GPU側：コンパイラ・プロファイラ・ハードウェアカウンタからのフィードバック
• ARC-AGI-3側：環境遷移とアクション結果からのフィードバック

インターフェースは異なるが、ループは同じである。「仮説を立て、行動し、観察し、状態を更新し、続ける」というmachineryが、ドメイン知識を超えて機能した。

NVIDIAは明示的にこう述べている：「What transfers is not domain knowledge, but the machinery for sustained autonomous progress.」

• 公開セットのみ：25環境・183レベル。Semi-private / Privateセットでの結果は未公開。
• リーダーボード非掲載：ARC Prizeは「public setのスコアは公式リーダーボードに載せない」方針を明示している（過学習・ハーネス特化のリスクがあるため）。
• 直接比較ではない：NVIDIA自身も「モデル貢献度の直接測定ではない」と注記している。
• コード非公開：完全な実装は公開されていない。論文とブログが主な情報源。
• コストと安全性：長時間自律エージェントは計算コストが高く、ツール実行権限の厳格な制限が必要。

それでも「同じシステムが全く別ドメインで機能した」事実と、「モデル単体評価とエージェント評価は別物」という指摘は、実務的に価値が高い。

この結果がエンジニアに突きつけるのは、優先順位の書き換えである。

• 既存エージェントの強化：Cursor / Claude Code / Aider などに「外部永続メモリ」と「停滞検知Supervisor」を被せるだけで、長時間タスクの成功率が上がる可能性がある。
• World Model as Code：観察から得たルールをPythonで書き、実行して検証するループを強制する。ARC-AGI-3で特に効いたパターン。
• 適用優先ドメイン：探索空間が広く評価が明確なタスク（性能最適化、大規模リファクタ、科学研究仮説検証ループ）に特に相性が良い。
• 参考実装：NVIDIA-NeMo/labs-OO-Agents（NOOA）、Continual Harness、NACなど、長時間ハーネスのオープンソース例が複数出ている。

「もっと賢いモデルを待とう」ではなく、「今のモデルに強いハーネスを被せよう」。この発想の転換が、AVOの最大の実務的価値だ。