Naukowcy z arXiv pokazali, że można znacząco poprawić wyniki na benchmarku ARC-AGI-1 używając taniego, otwartego modelu DeepSeek V3.2 bez specjalizowanego trenowania czy dużych zasobów obliczeniowych. Zamiast tego skupili się na architekturze systemu agenta, która rozkłada problem na etapy odkrywania wzorców i syntezy programów.
Team zaproponował dwa rozwiązania. Pierwsze to Explorer-Definer Pipeline - dwustopniowy system, w którym pierwszy agent identyfikuje reguły i wzorce w danych, a drugi tworzy na ich podstawie transformacje. Drugie to Reflective Orchestrator, który idzie dalej i autonomicznie eksploruje nowe transformacje gdy poprzednie hipotezy zawiodą. Na zbiorze 400 publicznych zadań z ARC-AGI-1 pipeline osiągnął 57,50% sukcesu przy 0,25 dolara na zadanie, a orchestrator 67,25% przy 0,62 dolara. To ogromny skok w stosunku do baseline'u na poziomie 15,50%.
Co istotne, wynik osiągnięto bez dostrajania modelu na danych ARC i bez exhaustywnego search'u czy extended chain-of-thought - klasycznych sposobów na podciągnięcie wyników na tym benchmarku. Analiza sugeruje że system jest ograniczony generowaniem, a nie selekcją, co oznacza że jest miejsce na dalsze ulepszenia. To podejście pokazuje że architektura agenta i decomposition problemu mogą być bardziej efektywne niż surowa moc obliczeniowa.