Resumen: Presentamos ARCTraj, un conjunto de datos y un marco metodológico para modelar el razonamiento humano a través de tareas visuales complejas en el Corpus de Abstracción y Razonamiento (ARC). Si bien ARC ha inspirado una extensa investigación sobre el razonamiento abstracto, la mayoría de los enfoques existentes se basan en una supervisión estática de entrada y salida, lo que limita la comprensión de cómo se desarrolla el razonamiento a lo largo del tiempo. ARCTraj aborda esta brecha registrando acciones a nivel de objeto ordenadas temporalmente que capturan cómo los humanos transforman iterativamente entradas en salidas, revelando pasos de razonamiento intermedios que los conjuntos de datos convencionales pasan por alto. Recopilado a través de la interfaz web O2ARC, contiene alrededor de 10 000 trayectorias anotadas con identificadores de tareas, marcas de tiempo y etiquetas de éxito en 400 tareas de capacitación del punto de referencia ARC-AGI-1. Además, define un proceso de razonamiento unificado que abarca la recopilación de datos, la abstracción de acciones, la formulación del proceso de decisión de Markov (MDP) y el aprendizaje posterior, lo que permite la integración con el aprendizaje por refuerzo, el modelado generativo y los métodos de modelado de secuencias, como PPO, modelos mundiales, GFlowNets, agentes de difusión y transformadores de decisión. Los análisis de selección espacial, atribución de color y convergencia estratégica resaltan la estructura y diversidad del razonamiento humano. En conjunto, estas contribuciones posicionan a ARCTraj como una base estructurada e interpretable para estudiar el razonamiento humano, avanzando en la explicabilidad, la alineación y la inteligencia generalizable.
Publicado originalmente en export.arxiv.org el 17 de noviembre de 2025.
Ver fuente original
