用于抽象推理的神经亲和力框架：通过程序化任务分类诊断Transformer架构中的组合差距

回应 Hodel 等人（2024）关于在 re-arc 中对任务相关性进行形式化定义的呼吁，我们提出了首个涵盖全部 400 个任务的 9 类别分类体系，并通过基于规则的代码分析以 97.5% 的准确率进行了验证。我们通过训练一个 CNN 处理原始网格像素（S3 上准确率为 95.24%，整体准确率为 36.25%，为随机猜测的 3.3 倍）证明了该分类体系的视觉一致性，随后将其诊断性地应用于原始 ARC-AGI-2 测试集。我们的课程分析显示 35.3% 的任务对 Transformer 表现出低神经亲和力——这是一种反映 ARC-AGI-2 的分布偏差。为探究这种不匹配，我们在 302 个任务上微调了一个 1.7M 参数的 Transformer，揭示了一个深刻的组合差距：302 个任务中有 210 个（69.5%）在细胞准确率（局部模式）上达到 >80%，但在网格准确率（全局综合）上低于 10%。这提供了神经亲和力天花板效应的直接证据，即性能受限于架构适用性而非课程。将我们的框架应用于 Li 等人独立的 ViTARC 研究（400 个专家模型，每个 1M 个样本）证实了其预测能力：极低亲和力任务达到 51.9%，而高亲和力任务达到 77.7%（p<0.001），其中一个任务即使拥有海量数据也达到 0%。该分类体系使得精确诊断成为可能：低亲和力任务（A2）遭遇硬天花板，而高亲和力任务（C1）达到 99.8%。这些结果表明进展需要具有亲和力对齐模块的混合架构。我们发布了经过验证的分类体系。