Les auteurs présentent PoTRE (Poly-Topological Reasoning Ensembles), un cadre conçu pour pallier les limites de l'invocation standard en flux unique dans les tâches de raisonnement complexes. PoTRE découple l'inférence en quatre agents distincts : un Agent d'affinement adversarial, un Agent de planification stratégique hiérarchique, un Agent de recherche spectrale et un Agent à chaîne directe.
- Le système utilise une Couche d'agrégation adaptative à la tâche qui réconcilie dynamiquement les sorties de ces agents via la sélection de candidats, la synthèse sémantique ou la vérification neuro-symbolique.
- Les évaluations sur ARC-AGI-2, Humanity's Last Exam (HLE) et PRBench Finance montrent que PoTRE atteint une précision de pointe de 49.92% sur HLE.
- Le cadre démontre des performances de raisonnement améliorées avec un nombre similaire ou inférieur de tokens d'inférence par rapport aux bases homogènes fortement dimensionnées.
Cette hétérogénéité architecturale permet des solutions globales robustes dans des abstractions nouvelles et des contraintes de domaine rigoureuses, sans nécessiter l'échelle massive des modèles traditionnels.