用于ARC-AGI-1抽象推理和泛化的成本效益代理框架

arXiv上的一篇新论文提出了两种成本效益高的代理架构，用于解决ARC-AGI-1基准测试中的抽象推理和泛化问题。该研究由Kabir Moghe等人进行，采用开放权重模型DeepSeek V3.2的非思考模式，在严格预算下，不进行任何ARC特定的微调，探索仅通过架构设计获得的性能提升。

研究者首先引入了探索-定义管道（Explorer-Definer Pipeline），这是一个两阶段代理流程。第一阶段负责模式探索，第二阶段则基于发现的模式定义和执行转换。这种方法明确分离了模式发现与可执行转换合成，避免了传统方法中的耦合问题。在ARC-AGI-1公共400任务评估集上，该管道达到了57.50%的pass@2，每任务成本仅0.25美元。

为进一步提升性能，团队提出了反思性协调器（Reflective Orchestrator）。当管道生成的假设在训练对上失败时，协调器能够自主探索新的转换，而不是简单地重新排序或重试。这种自适应重新探索机制将性能提升至67.25% pass@2，每任务成本0.62美元。整体上，这些架构将15.50%的单次基线提升了约52个百分点，且无需基准特定训练或大量测试时计算，展示了一条极具成本效益的路径。

论文还通过协调器驱动的提升测试了管道产生的可证伪诊断。无偏的pass@k分析表明，管道是生成受限而非选择受限的——通过训练对准确率进行选择能捕获约95%的候选上限，这意味着显著改进需要更广泛的生成能力，而非更好的排序策略。协调器通过自适应重新探索实现了这一预测，并确认了无偏pass@1提升9.81个百分点，与选择介导的pass@2提升相匹配。此外，管道消融实验确定其思考工具是一个重要组件，移除后pass@2降低5.75个百分点，进一步验证了各模块的贡献。

这项研究的价值在于，它证明了在不依赖大量计算资源或专门训练的情况下，通过巧妙的代理架构设计即可在抽象推理任务上取得显著进步。这对于资源受限的研究团队和实际应用具有重要意义，同时也为未来推理系统的设计提供了新的思路。