独立した研究者が、進化的テストタイムコンピュートアーキテクチャを通じて進化させた自然言語指示にPythonコード生成を置き換えることで、ARC-AGI v2ベンチマークにおいてこれまでの最高記録である25%を上回る29.4%という新たな最良スコアを達成した。

このシステムは、抽象的なパターン認識タスクを解決するためのプレーンな英語の指示を生成するためにGrok-4を使用し、その後、個別およびプールされた改訂サイクルを通じてテストと精緻化が行われる。このアプローチにより、ARC-AGI v1で8.42ドル/タスクというコストで79.6%のスコアが得られ、OpenAIのo3 previewと比較して25倍効率的である。

著者は、LLMがトレーニング分布外でロジックが失敗する「デッドリーゾニングゾーン」のために一般化に苦労すると主張し、人間の様な抽象的推論と現在のAI能力の間のギャップを埋める方法として自然言語指示を進化させることを提案している。