Physarum Explorer: ARC 기하학 문제를 위한 고속 생체 모방 신경망 모델

작성자가 직접 프로젝트의 기술적 세부 사항과 초기 성과를 공유했으며, 초경량 모델의 효율성에 대해 긍정적인 지표가 제시되었다.

• ARC와 같은 기하학적 추론 문제에서 대규모 모델 대신 특정 도메인에 최적화된 마이크로 모델(MLP)을 사용하면 연산 효율성을 극대화할 수 있다.

• Physarum Explorer는 25만 개의 파라미터만으로 구성된 초경량 MLP 모델로, ARC 기하학 문제에서 높은 실행 속도와 효율성을 보여준다.
• 32차원 지문 인식과 8x8 조감도 방식을 결합하여 64x64 그리드 내의 복잡한 구조를 효과적으로 파악한다.
• ENGRAM이라 불리는 20만 개의 행동 기억 장치를 통해 과거의 성공 사례를 학습하고 이를 실시간 의사결정에 반영한다.
• 기초 단계인 레벨 0은 완벽히 수행하나, 규칙이 가변적인 상위 레벨 해결을 위해서는 추론 능력을 강화하는 구조적 보완이 필요하다.