論文の概要: Cost-Effective Agent Harnesses for Abstract Reasoning and Generalization on ARC-AGI-1
- arxiv url: http://arxiv.org/abs/2607.06764v1
- Date: Tue, 07 Jul 2026 19:49:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.204861
- Title: Cost-Effective Agent Harnesses for Abstract Reasoning and Generalization on ARC-AGI-1
- Title（参考訳）: ARC-AGI-1における抽象推論と一般化のためのコスト効果エージェントのハーネス
- Abstract要約: ARC-AGI-1の最近の進歩は、フロンティアモデルよりも重いテスト時間計算と、ARCデータに基づいて小さなモデルを微調整するベンチマーク固有のトレーニングの2つから来ている。
パターン発見とプログラム合成の段階を明示的に分解するエージェントハーネスを構築する。
- 参考スコア（独自算出の注目度）: 4.486629113012585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent progress on ARC-AGI-1 from disclosed architectures has come broadly from two regimes: heavy test-time compute over frontier models (evolutionary search, exhaustive sampling, extended chain-of-thought), or benchmark-specific training in which small models are fine-tuned on ARC data, often with task-specialized architectures. We study a third regime: an open-weight model in non-thinking mode (DeepSeek V3.2) under a strict budget, with no ARC-specific fine-tuning. We study what is recoverable through architecture alone, building agentic harnesses that decompose pattern-discovery and program-synthesis stages explicitly. First, we introduce an Explorer-Definer Pipeline that separates pattern discovery from executable transformation synthesis, implemented as a two-stage agent pipeline. Next, we present the Reflective Orchestrator, which augments the pipeline with autonomous exploration of new transformations when previous hypotheses fail on training pairs. On the ARC-AGI-1 public 400-task evaluation set, the pipeline reaches 57.50% pass@2 at \$0.25 per task, and the orchestrator reaches 67.25% pass@2 at \$0.62 per task. Together these architectures lift a 15.50% one-shot baseline by ~52 points without benchmark-specific training or heavy test-time compute. Furthermore, the orchestrator-driven lift tests a falsifiable diagnostic the pipeline produces; unbiased pass@k analysis suggests the pipeline is generation-bound, not selection-bound (selection via training-pair accuracy captures ~95% of the candidate ceiling) and predicts that significant improvement requires broader generation, not better ranking. The orchestrator implements this prediction via adaptive re-exploration and confirms it (unbiased pass@1 lift +9.81 pp, matching selection-mediated pass@2 lift). An additional pipeline ablation identifies its think tool as a significant component, with removal reducing pass@2 by 5.75 pp.
- Abstract（参考訳）: 近年のARC-AGI-1の進展は、フロンティアモデル(進化的探索、徹底的なサンプリング、思考の連鎖)によるテスト時間計算と、ARCデータ上で小さなモデルを微調整するベンチマーク固有のトレーニングの2つから大きく変化している。
我々は,非思考モードにおけるオープンウェイトモデル(DeepSeek V3.2)を厳格な予算の下で研究し,ARC特有の微調整は行わない。
パターン発見とプログラム合成の段階を明示的に分解するエージェントハーネスを構築する。
まず,2段階のエージェントパイプラインとして実装された実行可能変換合成からパターン発見を分離するエクスプローラー・ディフィナパイプラインを導入する。
次に、リフレクティブ・オーケストレータ(Reflective Orchestrator)を提案する。このオーケストレータは、以前の仮説がトレーニングペアで失敗すると、パイプラインを自律的に新しい変換を探索することで拡張する。
ARC-AGI-1の公開400タスク評価セットでは、パイプラインが57.50%パス@2にタスク当たり0.25ドル、オーケストレータが67.25%パス@2にタスク当たり0.62ドルに達する。
これらのアーキテクチャは、ベンチマーク固有のトレーニングやテスト時間計算を使わずに、15.50%のワンショットベースラインを約52ポイント引き上げる。
さらに、オーケストレータ駆動のリフトテストでは、パイプラインが生成可能な診断を行う。 バイアスのないpass@k分析では、パイプラインは生成バウンドではなく、選択バウンド(トレーニングペアの精度による選択は、候補天井の約95%をキャプチャする)であることを示唆し、大幅な改善は、より良いランキングではなく、より広範な生成を必要とすることを予測している。
オーケストレータはこの予測を適応的な再探索を通じて実行し、それを確認する(unbiased pass@1 lift +9.81 pp, matching selection-mediated pass@2 lift)。
追加のパイプラインアブレーションでは、シンクツールが重要なコンポーネントとして認識され、削除によって pass@2 が 5.75 pp に削減された。
関連論文リスト
- NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness [76.6324710887112]
NeoHorse-1は、エージェントのポストトレーニングを通じてこの経路を探索するために開発されたエージェントネイティブモデルのファミリーである。
本システムでは,異種モデルプールとインテリジェントなルーティング,予測能力要求,選択されたサービス層,およびその後のユーザ毎のインタラクションを結合する。
論文 参考訳（メタデータ） (2026-09-08T03:14:54Z) - VeriEvol: Scaling Multimodal Mathematical Reasoning via Verifiable Evol-Instruct [71.22358682581215]
ビジュアルな数学的推論のための強化学習のスケーリングは、難しい質問を生成すること以上のものを必要とします。
これは2つのコンポーネントからなる反復的なフレームワークであるVeriEvolとしてインスタンス化します。
5ベンチマークのビジュアル・マス・スイートでは、10Kから250KサンプルまでのSFTデータのスケーリングが平均精度を35.42から54.73に引き上げている。
論文 参考訳（メタデータ） (2026-06-22T16:17:30Z) - Dissecting Agentic RAG: A Component Ablation for Multi-Hop QA with a Local 7B Model [0.0]
5000の質問に対して評価したフルエージェントRAGパイプラインのアブレーション制御を行った。
相互階数融合による固定ハイブリッド検索は規則に基づく適応的ルーティングよりも一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2026-06-19T15:50:35Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Agentic Discovery of Neural Architectures: AIRA-Compose and AIRA-Design [9.382770582572784]
AIRA-Compose for High-level architecture search, AIRA-Design for Low-level mechanistic implementation。
AirA-Composeは11のエージェントを使用して24時間の予算の下で基本的な計算プリミティブを探索する。
AirAformers(Transformerベース)とAIRAhybrids(Transformer-Mamba)は一貫してLlama 3.2とComposer-foundベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-15T11:40:41Z) - PersonalAI 2.0: Enhancing knowledge graph traversal/retrieval with planning mechanism for Personalized LLM Agents [53.369140518949656]
外部知識グラフ(KG)の統合により,大規模言語モデル(LLM)ベースのシステムを強化する新しいフレームワークであるPersonalAI 2.0(PAI-2)を紹介する。
提案手法は,動的でマルチステージなクエリ処理パイプラインを組み込むことにより,既存のGraphRAG(Retrieval-Augmented Generation)メソッドの重要な制限に対処する。
グラフアルゴリズム(例えば、BeamSearch、WaterCircles)は、平均6%の標準フラットテンレトリバーよりも優れた結果が得られる一方で、検索計画強化機構は、6つのデータセットにわたるLLM-as-a-Judgeによる障害アルゴリズムに比べて18%向上することを示す。
論文 参考訳（メタデータ） (2026-05-13T13:06:30Z) - On the Role of Reasoning Patterns in the Generalization Discrepancy of Long Chain-of-Thought Supervised Fine-Tuning [63.41902113656453]
長いチェーン・オブ・ソート(CoT)軌道上でのSFT(Supervised Fine-Tuning)は、大きな推論モデルを構築する上で重要なフェーズとなっている。
2つの競合モデルによって生成された2つの検証されたCoT軌道源を用いて比較研究を行う。
textttDeepSeek-R1-0528データ上のSFTは、トレーニング損失を著しく低減するが、一般化性能は著しく低下する。
論文 参考訳（メタデータ） (2026-04-02T07:00:54Z) - APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。
我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
論文 参考訳（メタデータ） (2026-03-31T00:24:56Z) - Le-DETR: Revisiting Real-Time Detection Transformer with Efficient Encoder Design [72.55935017828891]
我々は Le-DETR (textbfLow- Cost and textbfEfficient textbfDEtection textbfTRansformer) を提案する。
ImageNet1KとCOCO 2017トレーニングデータセットのみを使用して、リアルタイム検出で新しいtextbfSOTAを実現する。
YOLOv12-L/X を textbf+0.6/-0.1 mAP で上回り、同様の速度と textbf+20% のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-02-24T15:29:55Z) - Tiny Recursive Models on ARC-AGI-1: Inductive Biases, Identity Conditioning, and Test-Time Compute [0.0]
我々はARC-AGI-1のARC Prize TRMチェックポイントを実験的に分析した。
テストタイムの増大と多数投票の合理化が報告された性能のかなりの部分を占めていることを示す。
また, TRMとLlama 3 8BのQLoRAファインチューンを標準ARC-AGI-1上で比較した。
論文 参考訳（メタデータ） (2025-12-04T06:20:44Z) - Relation DETR: Exploring Explicit Position Relation Prior for Object Detection [26.03892270020559]
本稿では,DETR(Detection TRansformer)の収束性と性能を向上させる手法を提案する。
我々の手法であるRelation-DETRは、プログレッシブ・アテンション・リファインメントのための位置関係埋め込みを構築するエンコーダを導入している。
汎用データセットとタスク固有のデータセットの両方の実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2024-07-16T13:17:07Z) - Recurrent Glimpse-based Decoder for Detection with Transformer [85.64521612986456]
本稿では,Recurrent Glimpse-based deoder (REGO)について紹介する。
特に、REGOは多段階のリカレント処理構造を用いて、DETRの注目が徐々に前景オブジェクトに焦点を合わせるのを助ける。
REGOは、異なるDETR検出器の性能を最大7%向上させる。
論文 参考訳（メタデータ） (2021-12-09T00:29:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。