基于描述性网格模型与最小描述长度原则的ARC挑战赛方法初探
人工智能
2021-12-03 v1
摘要
抽象与推理语料库（ARC）由François Chollet近期提出，作为衡量人类与机器广泛智能的工具。该任务极具挑战性，Kaggle竞赛中最佳方法仅能解决20%的任务，且依赖对手工设计变换链的暴力搜索。本文展示了基于描述性网格模型与最小描述长度（MDL）原则的方法探索的初步进展。网格模型描述网格内容，并支持网格解析与网格生成。MDL原则用于引导对优良模型的搜索，即压缩网格程度最高的模型。我们报告了一年来的进展，改进了总体方法与模型。在400个训练任务中，我们的性能从解决5个任务提升至29个任务，每任务仅使用30秒计算时间。我们的方法不仅预测输出网格，还输出可理解的模型及关于模型如何逐步构建的解释。
引用
@article{arxiv.2112.00848,
title = {First Steps of an Approach to the ARC Challenge based on Descriptive Grid Models and the Minimum Description Length Principle},
author = {Sébastien Ferré},
journal= {arXiv preprint arXiv:2112.00848},
year = {2021}
}
备注
26 pages, 6 figures, technical report of work in progress