論文の概要: Transforming Integer Grids to Spatial Intuition: Perception, Not Planning, Governs ARC-AGI-3
- arxiv url: http://arxiv.org/abs/2611.06793v1
- Date: Wed, 04 Nov 2026 17:11:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.212501
- Title: Transforming Integer Grids to Spatial Intuition: Perception, Not Planning, Governs ARC-AGI-3
- Title(参考訳): 整数格子を空間的直観に変換する:知覚,計画ではなくARC-AGI-3
- Abstract要約: ARC-AGI-3は、リレーティブ・ヒューマン・アクション・エフェクティビティ(Relative Human Action efficiency)によって記録された、指示されない視覚ゲームにわたって流体知能を試験する。
空間認識は計画能力ではなく,対話的推論を統括する,という前提に基づいて構築されたオープンウェイトエージェントであるSARBLOHを紹介する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sample-efficient fluid intelligence requires agents that rapidly form working models of unfamiliar interactive environments. ARC-AGI-3 tests this across uninstructed visual games scored by Relative Human Action Efficiency, which penalizes exploratory waste quadratically. When frontier models read raw integer grids, serialization destroys spatial topology, and they spend hundreds of actions rediscovering basic boundaries and symmetries. We introduce SARBLOH, an open-weight agent built on the premise that spatial perception, not planning capacity, governs interactive reasoning on ARC-AGI-3. A zero-parameter O(HW) perception engine turns each frame, in 35 ms, into an object inventory with bipartite temporal tracking, a geometric briefing that separates proven invariants from affordance hypotheses, and an annotated canvas. Paired with a code-as-action runtime, the agent writes algorithmic hypotheses instead of low-level moves. Across eight presentations, grounded perception raises the rubric score from 3/28 to 25/28 points while cutting token use by 89.4%. On 23 held-out games, geometric invariants generalize with 100% accuracy, while single-frame affordance guesses fall to 6-50%, so active verification probes remain necessary. On the public set, Run A (briefing off) solved 143 of 183 levels in 8.2 hours at 59.4% single-pass efficiency; Run B (briefing on) reached 63.5%. Within the nine-hour budget on one Kaggle RTX PRO 6000 GPU, SARBLOH scored 16.53 on the hidden Kaggle evaluation, 13.7x the first Milestone winner.
- Abstract(参考訳): サンプル効率のよい流体インテリジェンスには、未知の対話環境の動作モデルを迅速に形成するエージェントが必要である。
ARC-AGI-3は、リレーティブ・ヒューマン・アクション・エダクティビティ(Relative Human Action Efficiency)が収集した、探索的廃棄物を四分法で罰する未学習の視覚ゲームでこれをテストしている。
フロンティアモデルが生の整数格子を読み取ると、シリアライゼーションは空間トポロジーを破壊し、基本境界と対称性を再発見する数百のアクションに費やされる。
本稿では,ARC-AGI-3上での対話的推論を空間認識ではなく,空間知覚に基づくオープンウェイトエージェントであるSARBLOHを紹介する。
ゼロパラメータO(HW)知覚エンジンは、各フレームを35ミリ秒で2部時間追跡を備えたオブジェクトインベントリ、証明された不変量を空白仮説から分離する幾何学的ブリーフィング、および注釈付きキャンバスに変換する。
コード・アズ・アクション・ランタイムを備えたエージェントは、低レベルの動作の代わりにアルゴリズムによる仮説を書く。
8回のプレゼンテーションで、接地感はルーブリックスコアを3/28から25/28に引き上げ、トークンの使用を89.4%削減した。
23のホールドアウトゲームでは、幾何学的不変量は100%の精度で一般化され、一方1フレームの余裕は6-50%と推定されるため、アクティブな検証プローブは依然として必要である。
公開セットでは、ランA(ブリーフィングオフ)が8.2時間で183レベルの143を59.4%のシングルパス効率で解決し、ランB(ブリーフィングオフ)は63.5%に達した。
1台のKaggle RTX PRO 6000 GPUの9時間の予算の中で、SARBLOHは隠れたKaggleの評価で16.53を獲得し、最初のMilestoneの勝者は13.7倍だった。
関連論文リスト
- RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment [60.989018864729445]
対話型3次元から2次元の投影アライメントによる能力評価にRoTA-Benchを導入する。
対象のシルエットが与えられた場合、モデルは回転したオブジェクトを観察し、連続する回転を選択してターゲットの投影を回復する。
GPT-5.6-Solがわずか17%のタスクで成功するのに対し、20人の学部生が100%の成功率でテストセットを4回完了した。
論文 参考訳(メタデータ) (2026-10-13T03:46:48Z) - SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models [55.56557714314683]
空間推論を直接的かつ診断的に評価する最初のベンチマークであるSpaceCastBenchを紹介する。
182の現実世界シーンからの質問は、静的認識、局所予測、グローバル予測という3つのレベルで16のタスクタイプにまたがる。
制御された解析により、ブリッジビューは分散観測の統合に重要であることが明らかになった。
論文 参考訳(メタデータ) (2026-10-08T17:44:17Z) - Kepler: Auditable World Models for ARC-AGI-3 [0.0]
ARC-AGI-3は、観察からルールや目的を推測しなければならない対話環境におけるエージェントを評価する。
我々は、仮説を実行可能な世界モデルとして表現するオープンソースのハーネスであるKeplerを紹介する。
論文 参考訳(メタデータ) (2026-09-30T23:46:59Z) - Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳(メタデータ) (2026-08-11T18:48:40Z) - Tycho: Active Abstraction with Programmatic World Models for ARC-AGI-3 [6.41363581085404]
ARC-AGI-3は抽象化をスキル獲得の対話的な問題に変える。
我々はこれらの環境をパラメータ化レンダリング決定論的ムーアマシンとして定式化する。
我々は,インタラクション中にゲーム固有のモデルを構築し,使用するコーディングエージェントシステムであるTychoを紹介する。
論文 参考訳(メタデータ) (2026-07-30T14:34:41Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳(メタデータ) (2026-06-29T06:39:03Z) - Explore Before You Solve: The Speed--Depth Trade-off in Epistemic Agents for ARC-AGI-3 [0.0]
一般に25のARC-AGI-3ゲームについて検討し、すべてのゲームが非知的な戦略によって到達可能であることを確認する。
このベンチマーク批判は、公開評価セットが知的探索を識別できないことを示唆している。
これら25試合でRHAE=0.2116を達成する三相(EXPLORE / VERIFY / PLAN)エージェントであるAERAを提案する。
論文 参考訳(メタデータ) (2026-05-25T15:13:18Z) - ARGOS: Who, Where, and When in Agentic Multi-Camera Person Search [49.61286310968402]
我々は,対話型推論問題として,マルチカメラの人物探索を再構成する最初のベンチマークとフレームワークであるARGOSを紹介する。
ARGOSエージェントはあいまいな目撃声明を受け取り、何を尋ねるか、いつ空間的または時間的ツールを呼び出すか、不明瞭な応答をどう解釈するかを判断しなければならない。
このベンチマークは、意味的知覚(Who)、空間的推論(Where)、時間的推論(When)の3つのプログレッシブトラックにおいて、14の現実世界シナリオにまたがる2,691のタスクからなる。
論文 参考訳(メタデータ) (2026-04-14T14:06:19Z) - GLANCE: Gaze-Led Attention Network for Compressed Edge-inference [10.229095428511654]
AR/VRシステムにおけるリアルタイムオブジェクト検出は、厳格な電力予算内で10ms未満のレイテンシを必要とする、計算上の重要な制約に直面している。
生体の葉の視覚にインスパイアされた2段階のパイプラインを提案する。このパイプラインは、異なる重みのないニューラルネットワークを組み合わせ、超効率的な視線推定と、注意誘導された関心の領域検出を行う。
論文 参考訳(メタデータ) (2026-03-16T15:52:52Z) - The ARC of Progress towards AGI: A Living Survey of Abstraction and Reasoning [5.870990919877351]
ARC-AGI(Abstraction and Reasoning Corpus)は、AIにおける流体インテリジェンスの重要なベンチマークとなっている。
この調査では、3つのベンチマークバージョンにわたる82のアプローチとARC Prize 2024-2025のコンペティションに関する最初の世代間分析を行った。
論文 参考訳(メタデータ) (2026-03-09T23:16:19Z)
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。