Para penulis memperkenalkan PoTRE (Poly-Topological Reasoning Ensembles), sebuah kerangka kerja yang dirancang untuk mengatasi keterbatasan prompting aliran tunggal standar dalam tugas penalaran kompleks. PoTRE memisahkan inferensi menjadi empat agen yang berbeda: Agen Refinement Adversarial, Agen Perencanaan Strategis Hierarkis, Agen Pencarian Spektrum, dan Agen Rantai Langsung.
- Sistem ini menggunakan Lapisan Agregasi Adaptif-Tugas yang secara dinamis menyelaraskan keluaran dari para agen ini melalui seleksi kandidat, sintesis semantik, atau verifikasi neuro-simbolik.
- Evaluasi pada ARC-AGI-2, Humanity's Last Exam (HLE), dan PRBench Finance menunjukkan PoTRE mencapai akurasi state-of-the-art sebesar 49.92% pada HLE.
- Kerangka kerja ini menunjukkan peningkatan kinerja penalaran dengan menggunakan jumlah token inferensi yang serupa atau lebih sedikit dibandingkan dengan baseline homogen yang sangat diskalakan.
Heterogenitas arsitektural ini memungkinkan solusi global yang kuat dalam abstraksi baru dan kendala domain yang ketat tanpa memerlukan skala besar dari model tradisional.