第五名解决方案

我们的代码在这里。

基本上，我们的解决方案由 3 个想法组成：

1) 集成不同的解决方案

2) 应用不同的后处理过滤器

我们注意到算法可能会犯典型的错误。例如，遗传算法倾向于产生多余的垂直或水平线。

另外，另一个典型的错误是形状错误。

因此，你可以尽可能多地实现后处理过滤器，以覆盖集成中算法最常见的错误。

3) 暴力搜索

任务可以按其标识符排序，并且顺序在不同的提交中保持不变。

为了识别由著名的 26 笔记本解决的 26 个任务，你需要不超过 100 次提交。一旦识别出这 26 个任务，你可以逐个尝试新算法（检查它们是否能够解决至少一个新任务，即剩余 74 个任务中的一个）。一旦发现新任务，你可以借助二分搜索来确定其序号。此外，你可以将所有其他任务留给最强的算法。

我们的总结：

• 提高集成效率的一个非常有效的方法是识别集成已解决的任务，然后尝试通过其他算法解决其他任务
• 似乎可以将 LLM 添加到我们的集成中，但需要微调
• 选择正确的尝试（正确答案）很难，而移除错误的尝试更容易
• 算法可能会犯典型的错误（比如遗传算法经常产生多余的线，你可以创建相应的后处理过滤器）

祝贺所有获奖者，感谢主办团队组织比赛！期待 ARC Prize 2025！