우리는 Abstraction and Reasoning Corpus(ARC)에서 복잡한 시각 과제를 통해 인간의 추론을 모델링하기 위한 데이터셋 및 방법론적 프레임워크인 ARCTraj를 제시한다. ARC가 추상적 추론에 관한 방대한 연구를 촉발해 왔음에도 불구하고, 기존 접근의 대부분은 정적 입력-출력 감독에 의존하고 있어 추론이 시간에 따라 어떻게 전개되는지에 대한 통찰을 제한한다. ARCTraj는 이러한 공백을 시간적으로 순서화된, 객체 수준의 행동을 기록함으로써 메운다. 이를 통해 인간이 입력을 출력으로 반복적으로 변환하는 과정을 포착하고, 기존 데이터셋에서 간과되는 중간 추론 단계를 드러낸다. ARCTraj는 O2ARC 웹 인터페이스를 통해 수집되었으며, ARC-AGI-1 벤치마크의 400개 학습 과제에 걸쳐 약 10,000개의 궤적을 과업 식별자, 타임스탬프, 성공 라벨과 함께 주석 처리하였다. 또한 데이터 수집, 행동 추상화, 마르코프 결정 과정(Markov decision process, MDP) 정식화, 하류 학습을 아우르는 통합 추론 파이프라인을 정의하여 강화학습, 생성 모델링, PPO, World Models, GFlowNets, Diffusion agents, Decision Transformers와 같은 시퀀스 모델링 방법들과의 통합을 가능하게 한다. 공간적 선택, 색상 귀속, 전략적 수렴에 대한 분석은 인간 추론의 구조와 다양성을 부각한다. 종합하면, 이러한 기여는 인간과 유사한 추론을 연구하기 위한 구조화되고 해석 가능한 기반으로서 ARCTraj를 자리매김하며, 설명가능성, 정렬, 그리고 일반화 가능한 지능의 발전을 도모한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.