Kepler：面向 ARC-AGI-3 的可审计世界模型

Kepler 是开源评测框架，将假设表示为可执行世界模型并通过回溯转移检查与条件预测检查验证。在冻结的 Claude Opus 5 配置下，25 个公开游戏服务器验证 RHAE 达 100.00，181/183 关卡最终尝试动作数不超过人类中位基线，保留运行耗用 8,256 条环境动作、8.58 亿 token、$777.72。