2026年7月10日、研究者らはarXivに「ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning」と題する論文を提出し、ARC-AGI-2ベンチマークの抽象推論タスクを解決するための新しいフレームワークARCANAを提案しました。このフレームワークは、厳格なテスト時間とハードウェアリソースの制約下で動作し、マルチエージェントの協調により効率的かつ正確なプログラム合成を実現します。
ARCANAの核心は、各タスクを4つの反復段階（知覚、仮説生成、シンボリック実行、反射的改善）に分解することにあります。知覚段階では、専用の知覚グラウンディングエージェントが生のグリッド入力をオブジェクト中心のシーングラフに変換し、重要な視覚的特徴を抽出します。次に、潜在プログラムポリシーエージェントがこのシーングラフに基づいて多様なDSLプログラム仮説を生成します。シンボリック実行エージェントは、既知の入出力デモンストレーション上でこれらの候補プログラムの正しさを検証します。最後に、反射エージェントが失敗事例を分析し、次のラウンドに向けた具体的なフィードバックを生成します。
これらのエージェントは、共有の微分可能なブラックボードを介して通信し、情報を効率的に伝達します。さらに、学習されたメタコントローラが各エージェントの活動をスケジュールし、プロセス全体を最適化します。この設計は、構造化プログラム探索と適応型マルチターン補正を融合したものであり、抽象変換を必要とする複雑なタスクに特に適しています。
実験結果は、ARCANAがARC-AGI-2ベンチマークにおいて優れた性能を発揮し、推論効率と解の品質を大幅に向上させることを示しています。この研究は、プログラム合成におけるマルチエージェントシステムの可能性を示すとともに、将来の研究に新たな方向性を提供します。論文の著者はKunbo Zhang氏を含む5名で、完全な論文はarXiv（ID: 2607.09059）から入手できます。