Resolviendo acertijos ARC-AGI sin preentrenamiento: un enfoque basado en la compresión
Isaac Liao y Albert Gu presentan CompressARC, un nuevo método que aborda el benchmark ARC-AGI utilizando la compresión de información sin pérdida. Este método, sin preentrenamiento ni conjuntos de datos extensos, logra una precisión del 34,75% en el conjunto de entrenamiento y del 20% en el conjunto de evaluación, basándose únicamente en la compresión durante la inferencia. La idea principal es que una compresión más eficiente se correlaciona con soluciones más precisas. CompressARC utiliza un decodificador de red neuronal y descenso de gradiente para encontrar una representación compacta del acertijo, infiriendo la respuesta en un tiempo razonable. Este trabajo desafía la dependencia convencional en el preentrenamiento extenso y los datos, sugiriendo un futuro donde los objetivos de compresión personalizados y el cálculo eficiente en tiempo de inferencia desbloquean una inteligencia profunda a partir de una entrada mínima.