多智能体协作框架ARCANA：用反思机制攻克抽象推理难题

近日，arXiv平台发布了一项关于多智能体协作框架的研究成果ARCANA。该框架专为应对ARC-AGI-2抽象推理任务设计，在严格的时间与硬件限制条件下展现出优越性能。

ARCANA采用模块化多智能体架构，将复杂推理任务分解为四个迭代阶段：感知基础、假设生成、符号执行与反思精炼。具体而言，感知智能体从原始网格数据构建以对象为中心的场景图；潜在程序策略智能体提出多样化的领域特定语言程序；符号执行器在演示样例上验证候选方案；反思智能体则基于失败案例生成反馈信息，指导下一轮优化。

各智能体通过可微分的共享黑板机制进行通信，并由学习型元控制器动态调度。这种设计巧妙融合了结构化程序搜索与自适应多轮修正能力，使系统能够在抽象转换任务中实现更高效的推理路径探索与更优质的解决方案生成。实验表明，该框架在保持计算资源可控的前提下，显著提升了复杂推理任务的完成质量与稳定性。