摘要
本文研究了在严格预算下，利用开源模型（DeepSeek V3.2）且无特定微调来解决 ARC-AGI-1 抽象推理任务的方法。提出了“探索者 - 定义者”流水线，将模式发现与程序合成分离；并引入“反思型编排器”，在假设失败时自主探索新变换。实验表明，该架构显著提升了基准性能，证明了改进受限于生成而非选择能力，且思维工具是关键组件。
AI 推荐理由
论文核心研究 ARC-AGI 抽象推理任务，提出代理架构提升推理与泛化能力。
研究机构
达特茅斯学院计算机科学系
论文信息