摘要： 近期，来自已公开架构的 ARC-AGI-1 研究进展主要来自两个方向：一是对前沿模型进行大量测试时计算（进化搜索、穷举采样、扩展思维链），二是进行基准测试专用训练，即在小模型上针对 ARC 数据进行微调，通常使用任务专用架构。我们研究了第三种方向：在严格预算下，使用非思考模式下的开源权重模型（DeepSeek V3.2），且不进行任何 ARC 专用微调。我们研究仅通过架构设计能恢复多少性能，构建了将模式发现与程序合成阶段明确解耦的智能体框架。首先，我们引入了探索者-定义者流水线，它将模式发现与可执行变换合成分离，实现为一个两阶段智能体流水线。接着，我们提出了反思型编排器，该编排器在流水线基础上进行了增强，当先前假设在训练样本对上失败时，能够自主探索新的变换。在 ARC-AGI-1 公开的 400 个任务评估集上，该流水线以每个任务 0.25 美元的成本达到了 57.50% 的 pass@2，而编排器以每个任务 0.62 美元的成本达到了 67.25% 的 pass@2。这些架构共同将 15.50% 的单次基线提升了约 52 个百分点，且无需基准测试专用训练或大量测试时计算。此外，编排器驱动的性能提升验证了流水线产生的一个可证伪的诊断；无偏的 pass@k 分析表明，流水线受限于生成能力，而非选择能力（通过训练样本对准确率进行的选择捕获了约 95% 的候选上限），并预测显著的改进需要更广泛的生成，而非更好的排序。编排器通过自适应重新探索实现了这一预测，并证实了其有效性（无偏 pass@1 提升 +9.81 个百分点，与选择介导的 pass@2 提升相匹配）。一项额外的流水线消融实验将其“思考”工具识别为一个重要组件，移除该工具导致 pass@2 下降 5.75 个百分点。