ARC-AGI-2 挑战中的多视角 Transformer

ARC-AGI-2 是一个衡量机器从有限示例中泛化、解释符号意义并在不同语境下灵活应用规则能力的基准测试，包含人类直观的视觉谜题。本文探讨了利用 TinyLM 模型结合测试时微调（包括测试时训练 TTT 和专家乘积 POE 策略）来解决 ARC-AGI-2 谜题的方法。实验结果显示，该模型在训练集上达到了 96.1% 的准确率，在评估集上取得了 21.7% 的准确率，展示了在强泛化推理任务上的潜力与挑战。