arXiv cs.AI· Luca Favole, Giorgio Mongardi, Giovanni Squillero, Alberto Tonda·· 10 小时前AI 评分31
面向 ARC 的符号求解器：用进化计算让网格解析器与程序共同演化
Ceci n'est pas une pipe -- Toward a Symbolic Solver for the Abstraction and Reasoning Corpus Using Evolutionary Computation
AI 导读
一项提交至 ARC-AGI-2 主竞赛的全符号、基于进化的程序合成方法，让网格解析器与输出投影器随变换程序一起演化，从而在合成过程中涌现出任务专属语言。该方法将解析器可提取的符号锚定在认知心理学的核心知识理论上，并采用对象感知适应度，对部分正确的输出给出超越像素级差异的评分。
正文 · AI 翻译
摘要：抽象与推理语料库（ARC）是一个基准，旨在评估人工智能（AI）系统从少量样本出发进行泛化的能力，而人类在这类任务上表现出色。自 2020 年以来举办的 ARC-AGI 竞赛一直是激烈竞争的焦点，参赛者提出了从传统符号 AI 到 Transformer 架构的各种方法。尽管进化算法（EA）有着悠久的成功历史，但在主竞赛中出现的方法里却明显缺席。作为“评分-搜索”式程序合成方法，EA 面临的问题包括：如何为应用于该问题的领域特定语言选择合适的表示（例如像素级或对象级），以及如何区分产生相同输出的两个候选解。在本工作中，我们提出了首个提交至 ARC-AGI-2 主竞赛的完全符号化、基于进化的程序合成方法。主要贡献包括：将网格解析器和输出投影器与变换网格的程序一同进化，从而在程序合成过程中涌现出任务特定的语言；将解析器可提取的符号建立在认知心理学的核心知识理论之上；以及一种对象感知的适应度，它能在像素级差异之外对部分正确的输出进行评分。
| 评论： | 提交至 ARC Prize 2026 论文赛道（Fairly Symbolic） |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.13831 [cs.AI] |
| （或本版本的 arXiv:2611.13831v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.13831 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Giovanni Squillero [查看邮箱]
[v1]
2026 年 11 月 10 日星期二 09:57:01 UTC（1,403 KB）
来源：arXiv cs.AI · arxiv.org