ARC Prize 2025

比赛任务是什么？

项目从少量网格输入输出示例中归纳抽象变换，复现对象表示、程序搜索和候选选择方法。研究重点是分布外规则泛化和可验证的错误分析。

用一个例子理解项目

评价指标与验证

Exact-match accuracy

每个测试网格必须整体正确，局部颜色正确不能当作整题成功；按官方允许的候选次数和评估协议计分。

固定数据划分、评估器版本和资源条件，记录基线与对照结果，并解释错误样本。

技术路线

1. 表示

   解析网格对象

   提取颜色、组件、对称与空间关系。

2. 搜索

   生成变换候选

   组合规则、程序和模型方案。

3. 筛选

   检查训练对重建

   淘汰不能解释全部示例的候选。

4. 复盘

   分析未见任务

   记录过拟合、歧义和选择错误。

适合专业与项目难度

抽象规则、程序搜索和候选证明直接关联 AI、机器学习、计算机与数学；按规则类型的评估与实验分析关联数据科学和统计，也可支持认知科学研究。

为什么评为进阶？

按供稿可运行规则基线的范围评为进阶：需要对象表示、组合规则搜索和 exact-fit 检查，并分析拟合训练示例后仍无法泛化的情况；深入神经符号方案门槛更高。

等级说明：需要专业建模方法、可靠验证或多个工程环节，并完成可解释的对照实验。

建议具备的基础

• Python、JSON 与基础算法
• 二维网格、对象关系和搜索
• 可执行规则验证与错误归因

可以从哪里开始

先完成旋转、镜像、移动或复制规则基线，再构建有限的规则组合搜索与候选验证器。

专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。

可以形成的成果

• 公开抽象推理任务复现
• 规则归纳与搜索基线
• 泛化失败案例分析
• 实验记录与个人贡献说明

成果预览与验收方式

下面展示建议的成果结构，实际内容由本人运行、实验和整理后形成。

本项目重点验收：测试网格的完整预测结果；按对象、颜色、几何和组合规则划分的错误记录。

复现实验需要回答的问题

• 为什么训练示例全部拟合仍可能无法泛化
• 符号搜索和神经候选如何互补
• 怎样衡量规则复杂度和候选可信度

留学、科研与求职如何使用？

公开 Notebook、方案与讨论

以下入口来自项目文档中的公开资料，适合阅读和设计复现实验。

公开材料的运行环境、许可和作者结论请结合原页面复核。

• ARC-AGI Without Pretraining ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• baseline from 1st place of 2024 ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• ARC@2025 Score Calculations Matrix ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

• 讨论 #572453 ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

• 讨论 #614039 ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

• 讨论 #614015 ↗

  公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。

• ARC Tools 代码库 ↗

  公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。

规划适合你的项目深度

结合目标、专业、已有基础和时间，确定基线、对照实验与成果表达的范围。