近日，英伟达的ARC-AGI2竞赛中，NVARC小模型以27.64%的成绩超越GPT-5Pro的18.3%，成为榜首。NVARC的每任务成本仅为20美分，远低于GPT-5Pro的超过7美元。NVARC的成功在于其零预训练深度学习方法，避免了预训练模型的领域偏见和数据依赖问题。

NVARC团队采用了改进版ARChitects方法，选用小参数模型Qwen3-4B，通过对话式模板简化谜题理解。训练时借助NeMoRL框架和Megatron后端进行监督微调。关键一步在于测试时微调（TTFT），针对ARC-AGI-2每个任务都是全新规则的特点，NVARC引入了LoRA微调技术，对每个问题都进行微调，让模型快速适应。同时，对ARChitects方法的改进在于解码阶段DFS算法做了批处理优化，修复结果非确定性问题。

NVARC团队还应用了“少即是多”的TRM方法，尝试与Qwen3-4B集成补充分数，虽有提升但未大幅优化。这一成果表明，在特定领域任务中，经过针对性优化的小模型性能并不逊色于全面发力的超级大模型。将正确的方法用在正确的地方，小模型也能实现更大的价值。