著者らは、複雑な推論タスクにおける標準的な単一ストリームのプロンプティングの限界に対処するために設計されたフレームワークであるPoTRE（Poly-Topological Reasoning Ensembles）を紹介する。PoTREは、推論を4つの個別のエージェントに分離する：敵対的改善エージェント、階層的戦略計画エージェント、スペクトル探索エージェント、および直接チェーンエージェント。

  • システムは、候補選択、意味的統合、または神経記号的検証を通じてこれらのエージェントの出力を動的に調整するタスク適応集約層を採用している。
  • ARC-AGI-2、Humanity's Last Exam (HLE)、PRBench Financeでの評価により、PoTREがHLEで49.92%という最先端の精度を達成することが示された。
  • このフレームワークは、大規模にスケーリングされた同質的なベースラインと比較して、同等または少ない推論トークンを使用して推論性能の向上を示している。

このアーキテクチャの異種性は、従来のモデルのような巨大なスケールを必要とせずに、新規抽象化や厳格なドメイン制約に対して堅牢なグローバルソリューションを実現する。