Новый решатель для бенчмарка ARC-AGI-2 использует поиск, управляемый модальностью, и целостную оценку трасс для улучшения выбора среди кандидатов на рассуждение. Генерируя разнообразные выводы по каналам текста, изображений и кода и используя модель-судью для их сравнения в одном промпте, подход надежно выявляет правильные гипотезы меньшинства даже при ошибочном мнении большинства.
- Решатель достигает 72,9% на полузакрытом наборе оценок за $38,99 за задачу, превосходя GPT-5.2 Pro (54,2%) и Gemini 3 Pro (54,0%).
- На открытом наборе оценок достигается результат 76,1% при стоимости $19,69 за задачу.
- Автор документирует, что предписывающие шаблоны промптов и итеративное уточнение систематически снижают разнообразие гипотез и ухудшают производительность.
Работа подчеркивает важность сохранения разнообразия гипотез в задачах абстрактного рассуждения, демонстрируя, что рассмотрение модальностей рассуждения как операторов поиска более эффективно, чем стандартные методы само-согласования.