探索 ARC25 挑战中搜索与学习的结合

摘要

这是 Guillermo Barbadillo 为 ARC25 挑战所做工作和研究的技术报告。大部分研究侧重于一个深度学习引导的程序合成系统，该系统搜索程序空间，并通过事后重新标记在测试时进行训练以适应测试时，形成一个紧密的搜索与学习循环。有证据表明，对于每个任务相同数量的预测，搜索与学习优于纯搜索方法。然而，这项工作尚未完成，缺少一些部分和想法，因为它尚未解决 ARC-AGI-2 的任何私有测试任务。排行榜上的最佳结果是通过对去年的转导与测试时训练方法进行小幅调整实现的。

内容

阅读更多关于解决方案的信息：

我还没能很好地适应 Kaggle 的格式。

欢迎所有反馈！