Un nouveau solveur pour le benchmark ARC-AGI-2 utilise une recherche pilotée par modalité et un jugement holistique des traces pour améliorer la sélection parmi les candidats de raisonnement. En générant des sorties diversifiées à travers les canaux texte, image et code, et en utilisant un modèle juge pour les comparer dans un seul prompt, l'approche identifie de manière fiable les hypothèses minoritaires correctes même lorsque la réponse majoritaire est fausse.
- Le solveur atteint 72,9 % sur l'ensemble d'évaluation semi-privé à 38,99 $ par tâche, surpassant GPT-5.2 Pro (54,2 %) et Gemini 3 Pro (54,0 %).
- Il atteint 76,1 % sur l'ensemble d'évaluation public à 19,69 $ par tâche.
- L'auteur documente que les modèles de prompt prescriptifs et le raffinement itératif réduisent systématiquement la diversité des hypothèses et dégradent les performances.
Ce travail met en évidence l'importance de préserver la diversité des hypothèses dans les tâches de raisonnement abstrait, démontrant que le traitement des modalités de raisonnement comme opérateurs de recherche est plus efficace que les méthodes standard de cohérence interne (self-consistency).