Un nuevo solucionador para el benchmark ARC-AGI-2 emplea búsqueda impulsada por modalidad y juicio holístico de trazas para mejorar la selección entre candidatos de razonamiento. Al generar salidas diversas a través de canales de texto, imagen y código y utilizando un modelo juez para compararlos dentro de un único prompt, el enfoque identifica de manera confiable las hipótesis minoritarias correctas incluso cuando la respuesta mayoritaria es incorrecta.
- El solucionador alcanza 72,9% en el conjunto de evaluación semi-privado a $38,99 por tarea, superando a GPT-5.2 Pro (54,2%) y Gemini 3 Pro (54,0%).
- Alcanza 76,1% en el conjunto de evaluación público a $19,69 por tarea.
- El autor documenta que las plantillas de prompting prescriptivo y el refinamiento iterativo reducen sistemáticamente la diversidad de hipótesis y degradan el rendimiento.
El trabajo destaca la importancia de preservar la diversidad de hipótesis en tareas de razonamiento abstracto, demostrando que tratar las modalidades de razonamiento como operadores de búsqueda es más efectivo que los métodos estándar de autoconsistencia.