突破arc-agi-2抽象推理基准测试：从算法优化到工程实践

1次阅读

没有评论

共计 1140 个字符，预计需要花费 3 分钟才能阅读完成。

arc-agi- 2 基准测试通过网格变换任务评估系统的抽象推理能力，其核心难点在于：

组合爆炸 ：输入输出的网格变化可能涉及颜色、形状、位置等多维度组合规则
非单调推理 ：传统逻辑系统难以处理规则间的动态优先级关系
零样本要求 ：测试问题与训练数据分布差异极大，要求真正的泛化能力

现有系统表现显示：纯神经网络方法在 ARC-AGI- 2 上的平均准确率不足 30%，而纯符号系统虽可达 50% 但扩展性差。

我们采用的混合架构包含三个核心组件：

视觉特征提取器 （CNN+Transformer）
处理 10×10 彩色网格输入
输出对象级特征（颜色簇、形状轮廓等）

符号规则生成器

def generate_rules(features):
    # 基于特征相似度生成候选规则
    candidates = []
    for feat_pair in itertools.product(input_feats, output_feats):
        if cosine_sim(feat_pair) > 0.7:
            candidates.append(Rule(*feat_pair))
    return prune_rules(candidates)  # 基于信息熵的规则剪枝

神经验证模块
使用 GNN 评估规则组合的合理性
输出最终变换概率分布

对每个网格单元编码为 6 维向量：

class CellEncoder(nn.Module):
    def __init__(self):
        super().__init__()
        self.color_emb = nn.Embedding(10, 4)  # 10 种颜色
        self.pos_emb = nn.Linear(2, 2)  # xy 坐标

    def forward(self, cell):
        return torch.cat([self.color_emb(cell.color),
            self.pos_emb(cell.pos)
        ], dim=-1)