ARC-AGI-2 挑战中的多视角 Transformer
机器学习
2026-05-05 v1 人工智能
摘要
ARC-AGI-2 是一个衡量机器从有限示例中泛化能力、解释符号意义以及在不同情境下灵活应用规则的能力的基准。本文讨论了我们使用 TinyLM 解决 ARC-AGI-2 谜题的方法，包括训练时的最终微调，以及 Test-Time-Training (TTT) 和 Products of Experts (POE)。我们的模型在训练集上达到了 96.1% 的准确率，在评估集上达到了 21.7% 的准确率。
引用
@article{arxiv.2605.01154,
title = {Multi-Perspective Transformers in ARC-AGI-2 Challenge},
author = {Caleb Talley and Vedant Tibrewal and Seun Adekunle and Weiwen Dong and Xinyu Wu and Fariha Sheikh},
journal= {arXiv preprint arXiv:2605.01154},
year = {2026}
}