Resolvendo Quebra-Cabeças ARC-AGI Sem Pré-treinamento: Uma Abordagem Baseada em Compressão

Isaac Liao e Albert Gu apresentam CompressARC, um novo método que enfrenta o benchmark ARC-AGI usando compressão de informação sem perdas. Este método, sem pré-treinamento ou conjuntos de dados extensos, alcança 34,75% de precisão no conjunto de treinamento e 20% no conjunto de avaliação, contando apenas com a compressão durante a inferência. A ideia central é que uma compressão mais eficiente se correlaciona com soluções mais precisas. CompressARC usa um decodificador de rede neural e descida de gradiente para encontrar uma representação compacta do quebra-cabeça, inferindo a resposta em um tempo razoável. Este trabalho desafia a dependência convencional em pré-treinamento extensivo e dados, sugerindo um futuro onde objetivos de compressão personalizados e computação eficiente em tempo de inferência desbloqueiam inteligência profunda a partir de entrada mínima.