Авторы представляют PoTRE (Poly-Topological Reasoning Ensembles), архитектуру, предназначенную для преодоления ограничений стандартного однопоточного промптинга в сложных задачах рассуждения. PoTRE разделяет процесс вывода на четыре отдельных агента: агент состязательного уточнения, иерархический агент стратегического планирования, агент поиска спектра и агент прямой цепочки.
- Система использует слой агрегации, адаптируемый к задаче, который динамически согласует результаты работы этих агентов посредством выбора кандидатов, семантического синтеза или нейро-символической верификации.
- Оценка на ARC-AGI-2, Humanity's Last Exam (HLE) и PRBench Finance показывает, что PoTRE достигает точности state-of-the-art в 49.92% на HLE.
- Архитектура демонстрирует улучшенную производительность рассуждений при использовании аналогичного или меньшего количества токенов вывода по сравнению с сильно масштабированными гомогенными базовыми моделями.
Эта архитектурная гетерогенность позволяет находить надежные глобальные решения для новых абстракций и строгих предметных ограничений без необходимости огромного масштаба традиционных моделей.