先探索再求解：面向ARC-AGI-3的认知智能体中的速度-深度权衡

我们系统研究了全部25个公开ARC-AGI-3游戏，发现每一个都能通过非智能策略到达：10个仅用单个盲步即可到达，5个在一步探测动作后到达，1个通过反复按ACTION1到达，1个通过多样化探索到达，8个通过在充足预算（50-200步）内重复单一动作到达。一个库级空坐标漏洞还能额外以1步绕过18个游戏。这一基准批评意味着公开评测集无法区分智能探索与平凡启发式——私有的55游戏评测才是唯一真正的智能测试。在此背景下，我们提出AERA（Adaptive Epistemic Reasoning Agent），一个三阶段（EXPLORE / VERIFY / PLAN）智能体，使用Qwen2.5-0.5B在这25个游戏上取得RHAE=0.2116（解决4/25），而随机基线与不探索基线的得分均为0.0000。我们通过速度-深度权衡框架对AERA进行形式化：在凸性假设（附录中为一类环境给出证明）下，RHAE的二次型表现为偏离动作效率与信息增益之间Pareto前沿的二阶惩罚。贡献包括：(i) 一项基准有效性分析，表明当前交互式推理基准无法度量其声称需要考察的探索能力；(ii) 先EXPLORE后PLAN的框架以及模型能力×探索的交互效应。关联的代码赛道参赛方案在完整的55游戏私有评测上取得RHAE=0.30。代码：CC0。