Прорыв в когнитивном обобщении
Стандарт Abstraction and Reasoning Corpus (ARC) долгое время оставался «адом для ИИ» из-за необходимости выводить абстрактные правила из минимального количества примеров. Новая работа Deblina Kar, опубликованная в arXiv (2609.10654), предлагает архитектуру Multi-Stage Rule-Chaining Framework. В отличие от традиционных нейросетей, эта система не полагается на подгонку под конкретные задачи (task-specific tuning), а использует иерархический поиск правил, что делает процесс рассуждения прозрачным для человека.
Архитектура из трех модулей
Ключевая инновация заключается в последовательном взаимодействии трех специализированных решателей, которые используют результаты предыдущих этапов для улучшения обобщения:
- Модуль детерминированного поиска правил: Извлекает атомарные трансформации через геометрический, цветовый и объектный анализ.
- Двигатель композиции паттернов: Восстанавливает выходные данные с помощью слияния блоков, повторений и пространственных эвристик.
- Слой структурной абстракции: Выявляет иерархические и вложенные отношения внутри сеток.
Результаты на бенчмарках
Система продемонстрировала выдающуюся стабильность. На обучающей выборке она успешно обработала 995 из 1000 задач. На тестовых наборах ARC-AGI-2 модель показала точность выше 95%, решив 230 из 240 задач. Это подтверждает способность системы к композиционному мышлению, выходящему за рамки простой статистики.
| Метрика / Набор данных | Результат | Значение |
|---|---|---|
| Обучающая выборка (Training) | 995 / 1000 | 99.5% успешных решений |
| Тестовая выборка (ARC-AGI-2) | 230 / 240 | ~95.8% точности |
| Валидационная выборка | 105 / 120 | Высокое покрытие категорий |
Почему это важно
Результаты работы Deblina Kar закрывают важный пробел между символьным reasoning и синтезом паттернов. Способность системы объяснять свои шаги (interpretability) и достигать почти идеальных результатов без дообучения на каждой новой задаче указывает на то, что мы движемся к созданию ИИ, способного к человеческому типу абстрактного мышления, а не просто к распознаванию образов.
Источник: arXiv cs.AI ↗