Los autores presentan PoTRE (Poly-Topological Reasoning Ensembles), un marco diseñado para abordar las limitaciones del prompting estándar de flujo único en tareas de razonamiento complejas. PoTRE desacopla la inferencia en cuatro agentes distintos: un Agente de Refinamiento Adversarial, un Agente de Planificación Estratégica Jerárquica, un Agente de Búsqueda Espectral y un Agente de Cadena Directa.
- El sistema emplea una Capa de Agregación Adaptativa a la Tarea que reconcilia dinámicamente las salidas de estos agentes mediante selección de candidatos, síntesis semántica o verificación neuro-simbólica.
- Las evaluaciones en ARC-AGI-2, Humanity's Last Exam (HLE) y PRBench Finance muestran que PoTRE alcanza una precisión de vanguardia del 49.92% en HLE.
- El marco demuestra un rendimiento de razonamiento mejorado utilizando similares o menos tokens de inferencia en comparación con las bases homogéneas fuertemente escaladas.
Esta heterogeneidad arquitectónica permite soluciones globales robustas en abstracciones novedosas y restricciones de dominio rigurosas sin requerir la escala masiva de los modelos tradicionales.