面向ARC的神经符号组合推理框架

神经符号组合推理在ARC-AGI-2公开评测集上把Grok-4从16.0%提升到24.4%。

资讯摘要

论文研究面向ARC的基于结构化抽象的推理，提出一种神经符号架构：从网格中提取对象级结构，用神经先验从固定DSL的原子模式中提出候选变换，并通过跨样例一致性检查筛选假设。该系统以受人类视觉抽象启发的单元模式为基础，为LLM补充对象表示与变换提议。作者报告在ARC-AGI-2公开评测集上，基础求解LLM（Grok-4）的16.0%提升至24.4%，经元分类器结合ARC Lang Solver后达30.8%。

要点速读

1. 论文提出神经符号架构，从网格提取对象级结构，用神经先验提出DSL候选变换，并以跨样例一致性过滤假设。
2. 作者报告在ARC-AGI-2公开评测集上，基础求解LLM（Grok-4）由16.0%提升至24.4%。
3. 与ARC Lang Solver经元分类器结合后达到30.8%，代码已开源。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。