针对 ARC-AGI-2 基准测试的新求解器采用模态驱动搜索和整体轨迹评判，以改进推理候选项的选择。通过在文本、图像和代码通道生成多样化的输出，并在单个提示中使用评判模型进行比较，该方法即使在多数答案错误的情况下也能可靠地识别出正确的少数假设。

  • 该求解器在半私有评估集上达到 72.9% 的准确率，每任务成本为 $38.99，优于 GPT-5.2 Pro (54.2%) 和 Gemini 3 Pro (54.0%)。
  • 在公共评估集上达到 76.1% 的准确率，每任务成本为 $19.69。
  • 作者记录指出，规范性提示模板和迭代细化会系统性地降低假设多样性并导致性能下降。

这项工作强调了在抽象推理任务中保持假设多样性的重要性，证明将推理模态视为搜索算子比标准的自洽性方法更有效。