2025年12月，Mamba作者Albert Gu团队发布新研究CompressARC，挑战传统Scaling Law。该研究基于最小描述长度（MDL）理论，通过仅76K参数且无预训练的模型，在ARC-AGI-1基准测试中解决20%的问题，获得ARC Prize 2025第三名。CompressARC不依赖训练集，仅用单个样本运行，成功将谜题压缩为最短程序表达，揭示其本质规则。研究采用变分自编码器原理和类Transformer架构，结合高度定制的操作实现高效压缩。实验表明，该方法在推理阶段用2000步训练正确解决20%评估集谜题，证明智能可源于压缩而非大规模数据。论文一作Isaac Liao为CMU博士生，研究方向包括MDL、元学习等。