在本文中，我们介绍了ARCANA，这是一种协作多智能体框架，旨在在严格的测试时间和硬件限制下解决ARC AGI 2任务。ARCANA将每个任务分解为迭代感知、假设生成、符号执行和反思性细化四个步骤。
- 感知代理：构建基于对象的场景图，从原始网格中提取信息。
- 潜在程序策略：提出多样的领域特定语言（DSL）程序。
- 符号执行器：验证候选程序是否在演示中有效。
- 反思代理：合成基于失败的反馈，以指导下一轮迭代。
这些代理通过共享的可微分黑板进行通信，并由学习的元控制器进行调度。该设计结合了结构化的程序搜索与自适应的多轮修正，从而在复杂的抽象转换任务中提高推理效率和解决方案质量。
博主点评： ARCANA框架的设计理念展示了多智能体系统在解决复杂推理任务中的潜力，通过分解任务和自适应学习，显著提升了程序合成的效率与准确性。这为未来的智能系统开发提供了新的思路，值得关注。