ARC-NCA：面向发展性解答的抽象与推理语料库
人工智能
2025-05-14 v1 神经与进化计算
摘要
抽象与推理语料库（ARC），后更名为 ARC-AGI，构成了人工通用智能（AGI）中的一个根本性挑战，要求解答具备跨多样任务的稳健抽象与推理能力，同时仅提供极少数（中位数为三个）正确示例。虽然 ARC-AGI 在人工智能系统中仍然十分具挑战性，但对人类而言却相对容易。本文介绍 ARC-NCA，一种发展性方法，利用标准神经细胞自动机（NCA）以及增强隐藏记忆的 NCA（EngramNCA）来解决 ARC-AGI 基准问题。NCA 因其内在的模拟复杂动态和涌现模式的能力，模仿生物系统中观察到的发展过程而被采用。发展性解答可能为增强 AI 的问题解决能力提供可行之路，超越单纯的训练数据外推。ARC-NCA 说明了将发展原理整合到计算模型中如何促进自适应推理与抽象。我们展示，ARC-NCA 的原型结果可能与 ChatGPT 4.5 的性能相当，甚至在成本更低的情况下超过后者。
引用
@article{arxiv.2505.08778,
title = {ARC-NCA: Towards Developmental Solutions to the Abstraction and Reasoning Corpus},
author = {Etienne Guichard and Felix Reimers and Mia Kvalsund and Mikkel Lepperød and Stefano Nichele},
journal= {arXiv preprint arXiv:2505.08778},
year = {2025}
}