ARCANA는 엄격한 테스트 시간·하드웨어 제약 아래 ARC-AGI-2 추상 추론 과제를 푸는 협업형 멀티 에이전트 프로그램 합성 프레임워크다. 지각 그라운딩 에이전트가 원시 그리드에서 객체 중심 장면 그래프를 만들고, 잠재 프로그램 정책이 다양한 DSL 프로그램을 제안하며, 심볼릭 실행기가 시연 예제로 후보를 검증하고, 반성 에이전트가 실패 기반 피드백을 다음 턴에 합성한다. 에이전트들은 공유 미분 가능 블랙보드로 소통하고 학습된 메타 컨트롤러가 스케줄링한다. 구조화된 프로그램 탐색과 적응형 다회전 교정을 결합해 까다로운 추상 변환 과제에서 추론 효율과 해답 품질을 높였다는 점에서, 순수 LLM 추론이 부진한 ARC류 문제에 대한 신경-심볼릭 접근의 사례다.
- •지각→가설 생성→심볼릭 실행→반성적 정제의 반복 파이프라인으로 과제 분해
- •객체 중심 장면 그래프 + DSL 프로그램 합성 + 시연 기반 검증 결합
- •공유 미분 가능 블랙보드와 학습된 메타 컨트롤러로 에이전트 협업 조율
- •실패 기반 피드백을 다음 턴에 반영하는 적응형 다회전 교정으로 효율 향상
ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning
본문 미리보기
arXiv:2607.09059v1 Announce Type: new Abstract: We present ARCANA, a collaborative multi agent framework for solving ARC AGI 2 tasks under strict test time and hardware constraints. ARCANA decomposes each task into iterative perception, hypothesis generation, symbolic execution, and reflective refinement. A perceptual grounding agent builds object centric scene graphs from raw grids, a latent program policy proposes diverse DSL programs, a symbolic executor verifies candidates on demonstrations
전체 내용이 궁금하다면?
원문을 직접 읽어보세요