一个用于ARC-AGI-2视觉推理基准测试的新求解器在半私有评估集上取得了72.9%的最高分，超越了GPT-5.2 Pro和Gemini 3 Pro等领先的前沿模型。该求解器采用模态驱动的搜索策略，跨文本、图像和代码生成推理候选，并使用整体判断方法在单个提示中比较这些候选。这种方法能有效识别正确的少数派假设，即使主要模态答案不正确。研究还强调，规定性提示和迭代改进会降低假设多样性并损害性能。 AI
影响 为视觉推理设定了新基准，可能影响未来的LLM评估和开发策略。
排序理由 研究论文，详细介绍了一种新的基准测试求解器，并声称其性能超越了现有模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.31543v1 Announce Type: new Abstract: Large language models can produce fluent, internally coherent reasoning traces for abstract reasoning tasks while still being confidently wrong - making selection among candidates, not just generation, the central challenge. I prese…
Large language models can produce fluent, internally coherent reasoning traces for abstract reasoning tasks while still being confidently wrong - making selection among candidates, not just generation, the central challenge. I present a solver for ARC-AGI-2, a few-shot visual rea…