ARC-AGI-2ベンチマーク用の新しいソルバーは、モーダリティ駆動型検索と包括的トレース判定を採用し、推論候補間の選択を改善する。テキスト、画像、コードの各チャネルで多様な出力を生成し、単一のプロンプト内で判定モデルを使用してそれらを比較することで、多数派の回答が誤っている場合でも、正しい少数派仮説を確実に特定できる。

  • 半公開評価セットで72.9%の精度を達成し、タスクあたり$38.99で、GPT-5.2 Pro (54.2%) や Gemini 3 Pro (54.0%) を上回る。
  • 公開評価セットではタスクあたり$19.69で76.1%に到達する。
  • 著者は、指示付きプロンプティングテンプレートと反復的精緻化が仮説の多様性を体系的に減少させ、パフォーマンスを低下させることを文書化している。

この研究は、抽象推論タスクにおいて仮説の多様性を維持することの重要性を示し、推論モーダリティを検索演算子として扱うことが標準的な自己整合性手法よりも効果的であることを実証している。