ARC-AGI任务中思考预算对性能影响大于努力水平

我们评估了四个努力级别：低、中、高和最大。

在所有设置中，思考预算固定为120K tokens。

与之前改变思考预算的测试相比，固定思考预算减少了性能与成本之间的差异。

对于ARC-AGI任务，思考预算对性能的影响比努力级别更大。