作者提出了 PoTRE（Poly-Topological Reasoning Ensembles），这是一个旨在解决标准单流提示在复杂推理任务中局限性的框架。PoTRE 将推理解耦为四个不同的智能体：对抗性精炼智能体、分层战略规划智能体、谱搜索智能体和直接链式智能体。
- 该系统采用任务自适应聚合层，通过候选选择、语义合成或神经符号验证动态协调这些智能体的输出。
- 在 ARC-AGI-2、Humanity's Last Exam (HLE) 和 PRBench Finance 上的评估显示，PoTRE 在 HLE 上达到了 49.92% 的最先进准确率。
- 与大量扩展的同质基线相比，该框架在使用相似或更少的推理 token 的情况下展现了改进的推理性能。
这种架构异构性使得能够在新的抽象和严格的领域约束下实现稳健的全局解决方案，而无需传统模型所需的巨大规模。