直接回答
ARC Prize 2026 - ARC-AGI-2 是一场以Abstract Reasoning为核心的 Kaggle 比赛，参赛者根据公开数据训练方案并按官方指标提交结果。
适合专业与项目难度
少样本网格规则归纳、程序搜索和候选验证对应 AI、机器学习、计算机与数学；数据科学可负责按任务类型的实验和失败分析。
为什么评为进阶？
供稿标为中高：小型规则 solver 可以启动，但完整网格 exact match、候选歧义、模型适配与时间预算会增加实验难度。
等级说明：需要专业建模方法、可靠验证或多个工程环节，并完成可解释的对照实验。
建议具备的基础
- Python、JSON 与二维数组
- 基础算法、几何变换和搜索
- 训练示例重建与泛化验证
可以从哪里开始
先实现旋转、镜像、裁剪等规则和 exact-fit 检查器，再比较神经候选与程序搜索。
专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。
先把任务说清楚
系统从少量输入/输出网格示例中归纳变换规则，再为未见测试网格生成两个完整候选。答案按 exact match 计算，尺寸或任意一个格子错误都不能得到该题分数。
输入
- 由 0–9 整数构成的 train 输入/输出网格对
- 需要预测输出的 test 输入网格
输出
- 覆盖每个 task_id 与 test input 的 submission.json
- 每个测试输入的 attempt_1 和 attempt_2 两个完整网格
技术路线
- 表示
网格与对象表示
建立 parser、renderer 和对象属性抽取，先确保尺寸、颜色与连通关系可验证。
- 生成
候选生成
并行比较几何变换、可执行程序搜索与神经候选，避免只依赖自由文本推断。
- 筛选
证据筛选
要求候选在全部 train pair 上重建正确，再按简洁性与一致性选择两个输出。
- 分析
预算与失败分析
按任务难度分配运行时间，把错误拆成解析、候选生成、选择和超时四类。
组队时间窗口
- Team Merger deadline
- 2026年10月26日
- Final submission deadline
- 2026年11月2日
- Competition End Date
- 2026年12月4日
- 预计结果日期
- 2026年12月4日，采用 Competition End Date
预计结果日期用于时间适配，不代表官方奖项发布日期或结果承诺。
规则与提交信息
- 公开分类
- llms
- 最大队伍人数
- 5
- 评价指标
- test output exact-match accuracy
- 提交文件
- submission.json
- 运行上限
- Notebook 约 12 小时
- 每日最多提交 1 次，最终计分提交最多 2 个
- 抽象推理任务按官方评测流程提交，组队和提交规则以官方页面为准
比赛状态、Rules、提交限制和赛程可能变化，请以 Kaggle 官方页面为准。
证据边界：非实时图表，用于理解公开方案与讨论；分数和票数不代表最终排名或本站团队成绩。
公开研究资料
以下图表基于公开页面整理，用于理解公开方案与讨论主题。数据会变化，不作为成绩、排名或结果承诺。
协作重点与可交付成果
协作重点
- 抽象推理
- 搜索策略
- 程序归纳
- 实验管理
项目产出
- 网格解析与可视化工具
- 规则候选库和 exact-fit 检查器
- 双候选排序实验
- 按任务类型整理的失败案例集
复盘与面试可以讲什么
- exact match 如何改变优化重点
- 两个 attempt 应如何表达不同但有证据的解释
- 神经生成与符号程序搜索各自适合什么任务
适合用途
数据状态与官方来源
当前赛程状态为“已核验”。 团队、资格、数据、模型、代码共享和提交方式以单场 Rules 最新内容为准。
https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-2