ARCTraj：面向抽象问题解决的人类推理轨迹数据集与基准

我们提出 ARCTraj 数据集与方法ological 框架，用于建模通过抽象推理语料库（ARC）中复杂视觉任务的人类推理过程。虽然 ARC 已激发了关于抽象推理的广泛研究，但大多数现有方法依赖静态输入输出监督，这限制了对推理随时间展开的洞察。ARCTraj 通过记录具有时序性、对象级别动作的轨迹，捕捉人类如何逐步迭代地将输入转化为输出，从而揭示常规数据集所忽略的中间推理步骤。通过 O2ARC 网页界面收集，包含约 10,000 条轨迹，标注有任务标识符、时间戳和成功标签，覆盖来自 ARC-AGI-1 基准的 400 个训练任务。它进一步定义了统一的推理管道，涵盖数据收集、动作抽象化、马尔可夫决策过程（MDP）表述以及下游学习，使其能够集成强化学习、生成模型和序列建模方法，如 PPO、World Models、GFlowNets、扩散智能体和决策转换器。对空间选择、颜色归属和战略收敛的分析凸显了人类推理的结构与多样性。这些贡献共同将 ARCTraj 定位为研究类人推理、推进可解释性、对齐以及通用智能的结构化且可解释的基础。