摘要： 我们提出 ARCANA，一个协作式多智能体框架，用于在严格的测试时间和硬件约束下解决 ARC-AGI-2 任务。ARCANA 将每个任务分解为迭代感知、假设生成、符号执行和反思性优化。一个感知基础智能体从原始网格构建以对象为中心的场景图，一个潜在程序策略提出多样化的 DSL 程序，一个符号执行器在演示样本上验证候选方案，一个反思智能体综合失败驱动的反馈以用于下一轮迭代。这些智能体通过一个共享的可微分黑板进行通信，并由一个学习到的元控制器调度。该设计将结构化程序搜索与自适应多轮修正相结合，在具有挑战性的抽象变换任务上提升了推理效率和解决方案质量。