François Chollet如何重新定義AI能力？從Keras、ARC-AGI到Ndea｜2026研究與官方資料更新

François Chollet如何重新定義AI能力？從Keras、ARC-AGI到Ndea｜2026研究與官方資料更新

先講結論： 截至 2026 年 8 月 14 日，François Chollet 的技術路線可由 Keras、ARC-AGI、ARC Prize 與 Ndea 串起；ARC-AGI-3 延伸到互動評測，但研究方向或單一 benchmark 都不等於 AGI 已完成。

François Chollet 以什麼工作聞名？ 他是 Keras creator，也提出 ARC benchmark，長期研究 abstraction、general intelligence 與 program synthesis。

Keras 解決什麼問題？ Keras 以簡單 API、可組合性與 developer experience 降低深度學習模型的使用門檻；Keras 3 可切換多種 backend。

ARC 想測量什麼？ ARC 關注模型在陌生問題上取得新技能的效率，將 intelligence 從單純記憶或訓練分數拉回抽象化與泛化。

skill-acquisition efficiency 是什麼？ 它把學會新技能所需的經驗量與泛化能力放在一起衡量，是 Chollet 重新討論 intelligence 的核心概念之一。

ARC Prize 是什麼？ 它是推動 ARC 研究的非營利開放計畫，Chollet 是共同創辦人、董事與 ARC-AGI creator。

ARC-AGI-3 有何變化？ 文章整理的方向是從靜態 grid 題目延伸到沒有明確規則與目標的互動式 Agent 環境，評測邊界要以官方版本為準。

Ndea 在研究什麼？ Ndea 研究以 deep learning 引導 program synthesis，試圖把學習到的表示與可執行程式結合。

ARC 分數能直接代表 AGI 嗎？ 不能；benchmark 只回答特定任務與設定，還要檢查資料、版本、方法、成本與是否存在過度擬合。

想延伸研究應該先查什麼？ 先讀 Keras、On the Measure of Intelligence、ARC-AGI／ARC Prize 與 Ndea 的官方資料，再區分已證實結果和研究假說。

<

p class=”wp-block-paragraph”>François Chollet 在 AI 世界留下了兩條看似距離很遠的技術路線。2015 年，他建立 Keras，把深度學習模型封裝成更容易理解與組合的高階 API；2019 年，他又提出 ARC，開始追問 AI 在陌生問題上取得新技能的效率究竟應該怎麼測量。

截至 2026 年，Chollet 仍把自己列為 Keras creator 與 project lead，同時是 Ndea、ARC Prize 的共同創辦人。他目前研究焦點集中在 abstraction、general intelligence，以及如何結合 deep learning 與 program synthesis。

• Keras 於 2015 年推出，核心設計一直強調簡單 API、accessibility 與 developer experience。
• Keras 3 現在可以在 TensorFlow、JAX 與 PyTorch backend 間切換。
• 2019 年 Chollet 在〈On the Measure of Intelligence〉提出以 skill-acquisition efficiency 討論 intelligence，並推出 ARC benchmark。
• ARC Prize 目前是非營利開放研究計畫，Chollet 是共同創辦人、董事與 ARC-AGI creator。
• 2026 年 ARC-AGI-3 已把測試從靜態 grid 問題延伸到沒有明確規則與目標的互動式 Agent 環境。
• Chollet 與 Mike Knoop 創辦的 Ndea 正研究以 deep learning 引導 program synthesis 的方法。

實體索引｜AI 研究與能力評測實體

• 研究者、框架與基準：François Chollet如何重新定義AI能力？從Keras、ARC-AGI到Ndea｜2026研究與官方資料更新；核對 François Chollet、Keras、ARC-AGI、Ndea、論文／專案、模型能力與資料日期。
• 原文錨點：先講結論： François Chollet 是 Keras 的主要創作者之一，也是 ARC-AGI 等抽象推理評測的倡議者；他的路線把「讓更多人使用 AI 工具」與「測量模型能否解決陌生問題」放在同一個能力框架。 François Chollet 是誰？ 他是軟體工程師與 AI 研究者，以 Keras、深度學習工具與抽象推理研究受到廣泛關注。 Keras 解決什麼問題？ Keras 提供較高階、可組合的神經網路 API，降低模型實驗與部署的起步門檻，也讓研究者更快比較架構。
• 研究脈絡：把抽象能力、任務泛化、資料效率、測試基準、模型與研究方法連回 AI 評估。
• 編輯界線：區分研究結果、基準表現、官方說法與作者推論；不同 benchmark 不直接等同通用智能。

Keras解決的第一個問題，是AI工具太難使用

2015 年的深度學習生態和今天差很多。

研究者可以使用 Theano、TensorFlow 等底層框架處理 tensor、automatic differentiation 與 GPU 計算，但建立一個完整神經網路，仍需要理解大量底層實作細節。

Keras 選擇把自己放在更高的 abstraction layer。

Chollet 當時把它形容成建立深度學習模型的「Lego blocks」：底層 tensor operation 交給 Theano、TensorFlow 等 backend，Keras 處理 model-level API。相關歷史可參考 Keras now running on TensorFlow。

這個設計決定了 Keras 後來的影響力。

• API 能不能容易記住；
• error message 能不能被理解；
• 常用 architecture 能不能用少量程式表達；
• 新手能不能快速做出第一個模型；
• 研究者能不能減少 boilerplate。

2016 年 Keras 1.0 幾乎重新改寫整個 codebase，Chollet 在公告中直接把 simplicity 與 accessibility 列為核心設計目標。相關說明可見 Introducing Keras 1.0。

Functional API 所代表的 Chollet 軟體哲學

Keras 最早的 Sequential API 非常直觀：模型就是一層接一層的 stack。

但真實神經網路很快會需要多輸入、多輸出、shared layers 或非線性 topology。

Keras 1.0 因此加入 Functional API。

今天 Keras 官方仍把 Functional API 描述成建立 layer graph 的方法，可以處理非線性 topology、shared layers 與 multiple inputs/outputs。

這個設計很能代表 Chollet 的軟體方法：高階 abstraction 可以簡單，但不能因為簡單而封死複雜系統。

好的 abstraction 應該讓普通案例很容易，同時保留進階使用者向下擴張的空間。

Keras 進入 TensorFlow 的背景

Keras 最初主要使用 Theano backend。

2015 年 TensorFlow 發布後，Keras 很快加入 TensorFlow backend；Chollet 當時仍把 Keras 定位成 model-level framework，由 TensorFlow 負責底層 tensor operations。

2017 年，Keras API 進一步準備整合進 TensorFlow core。這使很多開發者後來透過 tf.keras 接觸深度學習。

但 Keras 的故事沒有停在 TensorFlow。

Keras 3 再次把 backend abstraction 拉出來，同一套 Keras workflow 現在可以選擇 TensorFlow、JAX 或 PyTorch。官方介紹可見 Keras for engineers。

從 Theano → TensorFlow → multi-backend Keras 3，可以看到一個很一致的設計判斷：API 的生命週期應該比單一底層執行引擎更長。

從深度學習普及走向能力邊界研究

2019 年，Chollet 發表〈On the Measure of Intelligence〉。

這篇論文把問題從「怎麼做出更好模型」移到另一個層級：我們究竟怎麼知道一個系統更 intelligent？

Chollet 認為，只比較 AI 在特定 task 上能達到多少 skill，容易把 training data、prior knowledge 與經驗混進評估。只要可以投入足夠資料與先驗資訊，一個系統就可能在特定任務表現得非常強。

他因此把 intelligence 定義成和 skill acquisition efficiency 有關：系統使用多少 prior、多少 experience，才能取得多少新技能與 generalization。

這是 Chollet 自己提出的 intelligence framework，不代表所有 AI 研究者都接受相同定義。

但這套框架直接導向 ARC。

若想把 ARC-AGI 的能力測量放回現代 LLM 系統脈絡，可延伸閱讀 PagedAttention 如何改善 LLM 推論效率，比較模型能力評估與基礎設施效率是兩個不同層次的問題。

ARC-AGI 的評測對象

ARC 最初由一系列小型彩色 grid problems 組成。

每一題會提供少量 input-output examples。

系統必須找出其中的 transformation rule，再把規則應用到新的 test input。ARC Prize 對第一代 benchmark 的官方說明可見 ARC-AGI-1。

例如某題可能涉及找出重複 pattern、移動物件、補出 symmetry、辨識 connected component，或根據數量改變形狀。

每一題的規則都不同。

因此系統很難只靠大量練習同一個 task format 取得分數。

Chollet 希望測量的是：面對沒有特別準備過的新問題時，系統能多有效率地建立一個新模型或規則。

ARC 刻意讓人類容易、AI 困難的設計

傳統 benchmark 經常把 human-level performance 當成終點。

ARC 的設計方向略有不同。

它先限制題目依賴的 prior knowledge，盡量只使用人類早期就熟悉的基本概念，例如 object、counting、geometry、topology 等，再要求模型從少量 examples 推出新規則。

如果人類可以在幾個 examples 後理解規則，而模型需要大量 task-specific training 或大量搜尋，兩者的 learning efficiency 就會顯示差異。

這也是 ARC-AGI 後來長期具有研究價值的原因。

ARC Prize把一篇論文變成公開研究社群

2024 年，Chollet 與 Zapier 共同創辦人 Mike Knoop 推動 ARC Prize。

ARC Prize 的方法很直接：提供獎金，要求研究者公開解法，用公開競賽增加不同技術路線探索 ARC-AGI 的機率。

2024 年 technical report 記錄，ARC-AGI private evaluation 的 state-of-the-art 從約 33% 提升到 55.5%，主要方法包含 deep-learning-guided program synthesis 與 test-time training。技術報告可見 ARC Prize 2024。

這裡最值得注意的不是某一個分數。

ARC Prize 把一個 intelligence benchmark 轉成持續迭代的 open research ecosystem。

ARC-AGI-2 重新增加難度的原因

當 reasoning model 開始快速改善 ARC-AGI-1 表現後，benchmark 本身也需要更新。

2025 年推出的 ARC-AGI-2 保留原本 grid input-output 格式，但重新加入更困難、認知複雜度更高的任務。技術論文可見 ARC-AGI-2。

2026 年 ARC Prize 的 ARC-AGI-2 比賽仍使用 private evaluation，而且設定了 85% accuracy 的重要獎勵門檻。競賽規則可見 ARC Prize 2026 ARC-AGI-2。

這也說明 benchmark 並非固定考卷。

當模型開始適應舊題型後，測量工具本身也必須更新。

YOLO LAB 另一篇Gemini 3.1 Deep Think 分析也使用 ARC-AGI-2 作為推理模型能力驗證案例；那篇處理模型選型，這篇則把 benchmark 放回 Chollet 的 intelligence measurement 脈絡。

ARC-AGI-3 將 AI 放進無說明書環境

2026 年 3 月，ARC Prize 發布 ARC-AGI-3。

這次的變化更大。

ARC-AGI-1 與 2 至少會提供 input-output examples。

ARC-AGI-3 則變成 hundreds of interactive game-like environments，而且沒有 instructions、rules 或 stated goals。官方發布說明可見 ARC-AGI-3 Launch。

Agent 必須自己：

1. 探索環境；
2. 判斷 action 會造成什麼結果；
3. 建立 world model；
4. 猜測什麼狀態才代表成功；
5. 制定 plan；
6. 根據失敗再修正。

ARC Prize 因此把 ARC-AGI-3 的核心能力拆成 exploration、modeling、goal-setting、planning and execution。

這讓 Chollet 原本對「skill acquisition」的問題開始直接進入 Agent 時代。

Frontier model 變強後 ARC-AGI 的意義

這個問題在 2026 年變得更有意思。

目前的 frontier model 在 ARC-AGI-1、ARC-AGI-2 上已經取得非常高的成績。ARC Prize 2026 的排行榜中，一些模型在 ARC-AGI-1 已超過 95%，ARC-AGI-2 也進入 80% 以上區間。排行榜會持續更新，因此應以 ARC Prize Leaderboard 當下資料為準。

因此 ARC-AGI benchmark 也持續往新版本移動。

例如 ARC Prize 2026 年 7 月 24 日公布的測試中，Claude Opus 5 High 在 ARC-AGI-3 為 30.16%。該數字只代表當時官方測試結果，不代表永久排行榜；來源可見 ARC Prize Claude Opus 5 Results。

它真正顯示的是：靜態 reasoning benchmark 的進步速度，和陌生互動環境中的 adaptation 仍可能不同。

Chollet 對 Scaling 的實際主張

這樣描述太簡化。

Chollet 長期承認 deep learning 具有很高的實際價值；他自己建立 Keras，也持續維護 deep learning tooling。Ndea 官方同樣明確表示，研究方向會使用 deep learning 來 guide program search。

他的主要質疑集中在另一個地方：現有模型擴大 skill coverage，和系統能否高效率地自行取得全新 skill，應該分開測量。

也就是他在〈On the Measure of Intelligence〉裡區分的 skill 與 intelligence。

這個區別比一句「LLM 不會通往 AGI」更精確。

Ndea 押注 Program Synthesis 的方向

François Chollet 現在和 Mike Knoop 共同創辦 Ndea。

Ndea 的研究 thesis 是把 deep learning 與 program synthesis 結合。官方說明可見 Ndea About。

Program synthesis 的基本問題可以寫成：給系統少量 examples 或 constraints，讓它搜尋一個能解釋資料的 program。

這和一般 neural network 直接在 continuous parameter space 做 gradient optimization 很不同。

Ndea 希望使用 deep learning 提供 search guidance，縮小 program space，再利用離散 program 所具備的結構取得更強 generalization。公司目前把正在建立的方向稱為 Symbolic Learning。官方研究主張可見 Ndea。

這仍是一條正在研究的路線。

它目前最值得寫成的是：Chollet 選擇押注什麼研究假說。

還不能寫成 program synthesis 已經解決 AGI。

Keras與ARC-AGI其實有一個共同點

Keras 和 ARC-AGI 看起來處理完全不同的問題。

Keras 處理 software API。

ARC-AGI 處理 intelligence evaluation。

但 Chollet 在兩個專案中採用的思考方式很接近：先找出真正重要的 abstraction，再把不必要複雜度拿掉。

Keras 問：建立 neural network 時，開發者真正需要操作哪些概念？

ARC 問：比較兩個 intelligence system 時，我們真正需要測量什麼？

前者把 implementation complexity 壓到 API 下方。

後者試圖把 training data、task-specific skill 等因素從 intelligence measurement 中拆開。

這可能是理解 François Chollet 最有價值的角度。

François Chollet 與 Geoffrey Hinton 的研究位置

YOLO LAB 已有 Geoffrey Hinton 與深度學習復興的研究史文章。

Hinton 所代表的主線更接近：representation learning → neural networks → deep learning resurgence。

Chollet 的位置則可以寫成：developer abstraction → deep learning accessibility → intelligence measurement → generalization research。

兩者都深受 neural network 進步影響，但處理的問題不同。

如果讀者希望理解深度學習本身如何重新成為 AI 主流，可以先閱讀 Hinton 研究史；Chollet 這篇則回答工具普及之後，研究者如何重新追問 intelligence 邊界。

François Chollet 在2026年的技術位置：研究、社群與公司脈絡

2026 年 AI 已經進入 reasoning model、Coding Agent 與長任務 Agent 時代。

模型可以寫程式、搜尋網路、使用工具、長時間推理、自動修改檔案，並通過大量專業 benchmark。

因此「模型還會什麼」已經不足以描述全部進展。

下一個問題逐漸變成：模型遇到沒有被事先整理成 training distribution 的新環境時，能多快形成新的有效行為？

ARC-AGI-3 正在把這個問題具體化成 interactive benchmark。

而 Ndea 又把同樣問題帶回 learning algorithm 本身。

這使 François Chollet 的研究位置在 2026 年反而更加清楚：他長期研究的核心一直是 abstraction 與 generalization efficiency。

Keras 解決人如何高效率抽象 AI 系統。

ARC-AGI 與 Ndea 則追問機器能不能自己做到類似的事情。

若要延伸理解今天 reasoning model 如何透過 reward 與驗證器學習，可閱讀 YOLO LAB 的RLVR、驗證器與 Reward Hacking 解析。

François Chollet的常見問題

François Chollet的公開角色

François Chollet 是 Keras creator、AI researcher，目前是 Ndea 與 ARC Prize 共同創辦人。他的研究興趣包括 abstraction、general intelligence、program synthesis 與 AI democratization。本人資料可見 François Chollet 個人網站。

Keras與François Chollet的關係

是。Keras 官方引用格式直接列 Chollet, François and others，Chollet 個人頁也列自己為 Keras creator 與 project lead。

ARC-AGI的評測對象

ARC-AGI 是 Chollet 2019 年提出的 benchmark，用少量 examples 與新任務測試系統的 abstraction、generalization 與 skill-acquisition efficiency。

François Chollet對深度學習的研究立場

不適合這樣描述。他建立並持續維護 Keras，Ndea 也明確計畫使用 deep learning 來 guide program synthesis。他主要質疑的是，只根據既定任務 skill 與規模擴張是否足以測量 general intelligence。

Ndea的研究方向

Ndea 是 François Chollet 與 Mike Knoop 共同創辦的 AI research lab，目前研究 program synthesis 與 deep learning 的結合，並把正在建立的方法稱為 Symbolic Learning。

ARC-AGI-3與前代評測的差異

ARC-AGI-1、2 主要是靜態 input-output reasoning problems；ARC-AGI-3 改為 interactive environments，Agent 必須自己探索、建立模型、設定目標與執行計畫。

資料來源

• François Chollet 個人網站
• Keras 官方網站
• Keras Blog：Introducing Keras 1.0
• François Chollet：On the Measure of Intelligence
• ARC Prize Foundation
• ARC-AGI-1
• ARC-AGI-2
• ARC-AGI-3
• ARC Prize 2026
• Ndea
• ARC Prize：How to Beat ARC-AGI by Combining Deep Learning and Program Synthesis

François Chollet 的技術線可以濃縮成：Keras → Deep Learning Accessibility → ARC-AGI → ARC Prize → Ndea。

它記錄了一個少見的人物軌跡：先讓更多工程師能建立深度學習模型，再把研究焦點轉向「什麼樣的學習能力，才應被視為更一般化的 intelligence」。

先把 François Chollet、Keras、ARC-AGI 和 Ndea 拆成不同實體

談 François Chollet 時，最容易把一位研究者、一個深度學習框架、一套抽象推理 benchmark、一個競賽組織、一家公司和幾篇論文壓成「他重新定義了 AI」。實際上至少有七個實體：Chollet 是研究者、作者或產品創業者；Keras 是可組合、訓練與部署神經網路的軟體框架；ARC-AGI 是用抽象網格任務觀察泛化與樣本效率的 benchmark 家族；ARC Prize 是舉辦競賽、整理資料與推動研究的組織；Ndea 是後來的公司與研究／產品環境；論文是提出定義、方法或實驗結果的研究 artifact；leaderboard 與競賽結果則是特定時間、規則和提交環境下的測量快照。若不先拆開，Keras 的工程普及會被誤寫成 ARC-AGI 的推理證據，競賽名次又被誤寫成某個人的全部研究成果。
本段直接核對François Chollet 個人網站、Keras 官方入口、Keras Functional API 指南、ARC Prize 組織說明、ARC-AGI-1 說明、ARC-AGI-2 競賽頁、Ndea 公司說明與三份Keras 研究、ARC-AGI 相關研究、後續方法研究。這些來源支持人物、框架、benchmark、競賽、公司與論文的不同定位；它們不單獨支持某個 benchmark 分數等於一般智力、Keras 使用者都採用 Chollet 的研究方法，或 Ndea 的產品成果可以回溯成一個人的個人功勞。

人物實體：研究者、作者、創業者與框架維護者不是同一個角色

人物頁要先回答一個人正在以哪個角色說話。Chollet 的公開材料可能同時涉及 Keras 的工程設計、ARC-AGI 的能力觀點、研究論文、競賽活動和 Ndea 的公司方向；每一種角色都有不同證據門檻。個人網站可以協助定位作品與公開身份，論文可以支持特定方法或實驗，公司頁可以支持組織的自我描述，但不能用公司公告替代 benchmark 結果，也不能用一段演講替代完整研究方法。
可以建立一份 contribution ledger：年份、角色、產出類型、共同作者或團隊、直接證據、後續採用者，以及能否把結果歸因於個人。Keras 的工程影響往往是大量維護者、貢獻者、使用者、硬體與開源生態共同形成；ARC-AGI 的設計也會受任務製作者、評測規則、資料治理與提交者影響。把這些集體實體保留下來，人物文章才不會從「重要參與者」跳成「唯一創造者」。
時間線尤其重要。Keras 的早期發布、後來的 API 變化、ARC-AGI-1 與後續版本、競賽規則、研究論文和 Ndea 公司頁不一定屬於同一個時期。文章若把今天的公司身份套回早期框架設計，或把後來的 benchmark 成果倒推成早期工程選擇的必然結果，就跨過了未驗證的因果節點。

Keras 實體：框架的可用性和推理能力是兩種主張

Keras 的核心實體是軟體框架：它提供模型組合、層、訓練流程、資料管線、保存與部署等工程介面。Functional API 的價值在於用可組合的圖表達多輸入、多輸出、共享層與非線性連接；這能讓工程師建立和檢查神經網路結構，卻不會自動讓模型理解抽象規則，也不會替使用者決定資料品質、loss、評估方法或部署風險。
評估 Keras 時要拆開四個欄位：API 是否容易表達架構、訓練是否穩定、模型在指定資料上的表現，以及軟體在部署環境的維護成本。前兩個屬於工具與工程證據，第三個屬於模型和資料證據，第四個則需要 runtime、硬體、版本與團隊流程。Keras 很受歡迎，不代表使用 Keras 的模型就具有更強的抽象推理；反過來，某個 ARC 系統用 Keras 實作，也不代表框架本身完成了 ARC 任務。
框架版本也是實體。文章應記錄 Keras 版本、後端、Python／硬體環境、模型保存格式、訓練設定與評估程式；升級時檢查隨機性、算子、梯度、序列化、資料輸入和推理結果。若只展示一段可以執行的 API code，不能把它寫成跨環境可重現、可部署或可取得相同 benchmark 分數的保證。

ARC-AGI 實體：benchmark 測量的是特定任務與規則下的能力

ARC-AGI 的任務通常以少量示例要求系統找出抽象變換，再把規則套用到新的網格。它的研究價值在於挑戰樣本效率、組合泛化、程序歸納和對新規則的適應；但 benchmark 仍是一個被設計、切分、評分和提交的測量工具。分數回答的是「在這組任務、這個資料切分、這個時間與資源限制下，系統完成了多少」，不是「系統已經具有一般人類智能」的完整答案。
閱讀 ARC 分數時，至少要記錄任務版本、訓練／測試邊界、是否有資料污染或公開解答風險、推理時間、硬體、外部工具、是否人工選題、提交次數、計分規則與錯誤類型。相同名稱的 ARC-AGI-1、ARC-AGI-2 或其他競賽，不應在沒有對齊規則時直接比較。競賽頁、論文、leaderboard 和參賽者報告各自提供不同粒度的證據，不能只摘最高分。
benchmark artifact 也包含任務本身。網格大小、顏色、示例數、規則複雜度、答案表示、評分器和 hidden test 都會影響結果；如果評估程式對邊界條件處理不同，分數就不再是同一個測量。研究文章要把 solver、prompt、搜索策略、程式合成、人工介入和 timeout 交代清楚，讀者才知道高分來自哪一種能力組合。

能力實體：抽象推理、程式合成與記憶擬合不能只用一個分數代替

「重新定義 AI 能力」是一個研究主張，不是一個可直接套用的產品標籤。抽象推理可能包含從示例歸納規則、將規則組合到新情境、在少量資料下學習、檢查自己的錯誤，以及把解法轉成可執行程序；這些能力可以互相相關，卻不必然同步。系統在 ARC 任務上表現良好，仍可能在長期規劃、自然語言互動、現實感知、可靠性、成本和安全邊界上有不同結果。
要把能力主張寫得可靠，應建立 claim matrix：主張、任務、輸入資料、模型或 solver、資源上限、測量指標、對照組、失敗案例和可重現文件。對一個能產生程式的系統，要分辨它是找到短規則、搜尋大量候選、記住訓練分布、使用外部工具，還是由人員選擇與修正結果。不同路徑可能得到相同答案，但代表不同的泛化證據。
負面結果尤其重要。保存錯誤網格、錯誤規則、超時案例、近似答案、過度擬合與對顏色或位置的脆弱性，才能知道系統的能力邊界。只展示突破 benchmark 的成功樣本，會讓讀者忽略任務分布、選題策略與失敗成本；只展示失敗，也不能證明方法沒有研究價值。完整報告要同時保留成功與失敗的 artifact。

ARC Prize 實體：競賽組織、資料治理與 leaderboard 不是研究結論

ARC Prize 的角色可能包括競賽主辦、任務與規則管理、社群資源、獎項和結果展示。這些活動能推動研究與公開比較，但競賽結果本身是一個制度化的測量快照。讀者要看規則版本、參賽資格、提交期限、可用工具、評分方式、是否允許外部資料和 leaderboard 更新時間。若頁面在後來改版，文章中的歷史數字也應保留抓取日期，而不是把今天的排名寫成永遠不變。
競賽排名與科學證據的關係也要分層。排行榜可以告訴讀者誰在某一規則下取得較高成績；論文和技術報告才較能解釋方法、消融、對照組、錯誤、限制與重現方式；產品頁則可能只描述能力方向。把三種資料放在同一欄，會讓「名次」「研究支持」「商業就緒」看起來像同一個結論，實際上它們是不同 claim。

Ndea 實體：公司定位和研究 benchmark 要保持時間距離

Ndea 的公司頁可以支持組織如何描述自己的使命、研究或產品方向，但公司自我描述不是獨立的 benchmark 結果，也不是對外營收、客戶、模型品質或部署規模的完整證明。若文章提到 Ndea，應列出頁面日期、公司主體、公開職責與可查研究，避免把「正在研究」寫成「已經解決」。
公司、開源框架和競賽組織的關係也要分開：Keras 是軟體生態；ARC Prize 是評測與競賽環境；Ndea 是公司；Chollet 是個人。它們可能共享人物、研究概念或公開連結，但共享關鍵字不代表所有權、資金、產品、研究結論或團隊責任相同。文章若要說某個研究方向對公司有影響，需要直接公司公告、論文署名、產品文件或其他可核對 evidence。

重現性實體：分數要和資料、程式、環境一起保存

ARC 類 benchmark 的重現性不只是一個 leaderboard URL。研究者需要保存任務版本、輸入輸出格式、solver 程式、模型 checkpoint、prompt 或搜索設定、硬體、時間限制、外部工具、隨機 seed、評分器版本與失敗輸出。若任務或規則後來更新，舊分數仍可有歷史價值，但不能在沒有標註的情況下和新版本分數直接排成一條排名。
資料污染也要成為獨立欄位。公開任務、社群討論、訓練語料、參賽者 write-up、樣本解答和 API 紀錄都可能影響系統是否事先見過某種規則。看見一個高分時，讀者應問資料是否保密、測試是否真正 hidden、提交前是否有人手動調參、模型是否使用外部搜尋，以及評估期間是否允許反覆試錯。沒有這些資訊，最安全的說法是「在該評測條件下觀察到某結果」，而不是「系統學會了通用推理」。
研究團隊也應保存一組未公開或延後公開的檢查案例，用來測試 overfitting、固定模板、顏色偏見、位置偏見、尺寸改變、規則組合和近似但不同的變換。這些 negative controls 能協助分辨系統是在理解抽象關係，還是在利用表面統計。benchmark 的設計和結果解讀因此是兩個相互依賴但不能混為一談的實體。
重跑時若結果下降，也不必立刻判定方法失效。可能是版本、任務切分、評分器、硬體、時間上限、搜尋策略或資料可見性不同；相反地，結果上升也不代表能力突然普遍化。研究報告應把差異拆成可檢查的變更，並保留原始輸出、錯誤案例和設定檔，讓後續讀者能追蹤是哪一個因素改變了測量。這種紀錄同時保護研究者與讀者，避免把不可比的結果包裝成進步，也讓後續研究能重現相同條件與錯誤邊界，並檢查能力是否真的跨任務泛化，而非只在單一排行榜上變高。
每個公開 claim 也應附上評估日期、提交者、資源上限與規則版本；沒有這些欄位，讀者無法判斷結果是歷史紀錄、目前狀態還是一次性的示範。時間戳不是裝飾，而是 benchmark 證據的一部分。

把 Chollet—Keras—ARC-AGI 關係轉成讀者可用的檢查表

讀者可以問八件事：第一，這句話描述的是人物、框架、benchmark、競賽、公司還是論文？第二，分數來自哪個版本、任務切分和資源限制？第三，solver 使用神經網路、程式搜索、外部工具或人工介入？第四，Keras 在這裡是工程框架還是研究結論？第五，成功與失敗案例是否都保存？第六，leaderboard、論文和公司頁各自支持哪一種主張？第七，Ndea 的現在描述是否被誤套到早期研究？第八，結果能否在同一環境中重跑，或至少清楚標出不可重現的部分？
內容內鏈也應沿著共享實體走：Keras 工程文連到 Functional API、部署和版本治理；Chollet 人物文連到 ARC-AGI 的研究與能力定義；ARC Prize 文連到規則、資料、競賽與 leaderboard；Ndea 文連到公司公開資料和時間線。若另一篇文章只有泛稱「AI 推理」而沒有共享人物、框架、任務或證據，不能只因關鍵字相似就硬接。

來源邊界與結論

本次追加直接核對 François Chollet 個人網站、Keras 官方頁、Functional API 指南、ARC Prize、ARC-AGI-1、ARC-AGI-2、Ndea 公司頁與三份研究論文。它們共同支持人物、軟體框架、benchmark、競賽、公司和研究 artifact 的不同定位；它們不單獨支持 benchmark 高分等於一般智能、Keras 使用等於抽象推理、leaderboard 永久有效，或 Ndea 的公司主張已被獨立驗證。
Chollet 的研究與工程影響，應放在框架可用性、模型能力定義、抽象任務、樣本效率、競賽治理、研究方法與公司實體的交叉處理解。把人、工具、任務、規則、分數、論文和公司各自放回正確層次，讀者才能知道一個結果證明了什麼、沒有證明什麼，以及下一個需要重跑或查核的問題，而不把一個名字或一個分數誤當成完整 AI 能力結論。
本段來源：François Chollet；Keras；Keras Functional API；ARC Prize；ARC-AGI-1；ARC-AGI-2；Ndea；Keras 研究；ARC-AGI 研究；後續方法研究。本文未把人物、框架、benchmark、競賽、公司或 leaderboard 混為單一能力或商業結論。

增量分析：AI 能力不能只用熟悉題庫的分數衡量，還要看能否在少量例子中抽象新規則

François Chollet 對 Keras 與 ARC-AGI 的脈絡，讓人工智慧評估重新面對「會做過的題」和「理解新規則」的差別。模型在大量資料上取得高分，可能仍不擅長從少量示例辨識抽象關係、組合新概念或適應陌生任務；評測設計因此本身就是對智能定義的選擇。

ARC 類測試也有邊界：題目規模、先驗知識、工具、成本、評分者與任務生成方式都會影響結果。Ndea 或其他產品能力若要被比較，應先確認官方定義、版本、可用資料與重現環境，不把宣傳詞直接當作科學結論。好的評估要說清楚模型做對了什麼、在哪裡失敗，以及新任務是否真的新。