arXiv · cs.AI · Anugyan Das, Omkar Ghugarkar, Vishvesh Bhat, Asad Aali · 5 小时前模型评分42
神经符号架构提升 Grok-4 在 ARC-通用人工智能（AGI，Artificial General Intelligence）-2 上的推理准确率
Compositional Neuro-Symbolic Reasoning
导读
研究者提出一种神经符号架构，从网格中提取对象级结构，用神经先验从固定领域特定语言（DSL，Domain-Specific Language）的原子模式中提出候选变换，并通过跨样例一致性检查筛选假设。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We open-source the code: ( this https URL ).”
- “On ARC-AGI-2, it improves over the base solver LLM (Grok-4, 16.0%) to 24.4% on the public evaluation set, and to 30.8% when combined with ARC Lang Solver via a meta-classifier.”
来源：arXiv · cs.AI · arxiv.org