标签
本文提出特权未来在策略自蒸馏（PF-OPSD）方法，用于受控具体推理，结合世界模型的视觉模拟与语言模型的抽象推理，在两个新基准上提升预测准确性和鲁棒性。
GraphARC是一个针对图结构数据抽象推理的新基准，将ARC范式扩展到图领域。对最新语言模型的评估揭示了理解与执行之间的差距，且在大规模实例上性能下降，凸显了扩展挑战。
本文介绍了A2RBench，一个用于为LLM生成可形式化验证的抽象推理基准的自动化流水线，它利用循环一致性来确保唯一解，并揭示当前LLM在3D推理任务上显著落后于人类。