面向 ARC-AGI-3 交互推理任务的基于图的探索

我们提出一种免训练的基于图的方法，用于解决 ARC-AGI-3 基准中的交互推理任务。ARC-AGI-3 由游戏式任务组成，Agent 必须通过有限的交互推断任务机制，并随关卡推进适应不断增长的复杂性。成功需要形成假设、检验假设并跟踪已发现的机制。该基准已经表明，目前最先进的 LLM 无法可靠地解决这些任务。我们的方法将基于视觉的帧处理与使用图结构表示的系统性状态空间探索相结合。它将视觉帧分割为有意义的组成部分，基于视觉显著性对动作排定优先级，并维护一张由已探索状态和转移构成的有向图。通过跟踪已访问状态和已测试动作，Agent 优先选择能以最短路径到达未测试状态-动作对的动作。在 ARC-AGI-3 Preview Challenge 上，这种结构化探索策略在六个游戏共 52 关中中位数解决 30 关，并在私有排行榜上排名第三，大幅超越前沿的基于 LLM 的 Agent。这些结果表明，显式的图结构探索即使不进行学习，也能作为交互推理的强基线，并凸显了在稀疏反馈环境中系统性状态跟踪和动作优先级排序的重要性——当前 LLM 在此类环境中无法捕捉任务动态。代码开源，可在 https://github.com/dolphin-in-a-coma/arc-agi-3-just-explore 获取。