En este artículo, proponemos una arquitectura novedosa: la Red de Programas Latentes (LPN). LPN combina el poder de generalización de la síntesis de programas con la escalabilidad del aprendizaje profundo al incorporar la búsqueda directa en el modelo neuronal durante la prueba. Para abordar el problema de la explosión combinatoria de los métodos de síntesis de programas existentes y la falta de adaptabilidad de los métodos de aprendizaje profundo durante la prueba, LPN aprende un espacio latente de programas implícitos que mapea las entradas con las salidas y realiza la búsqueda en este espacio mediante gradientes durante la prueba. Demuestra un rendimiento comparable o superior al de los métodos existentes en diversas tareas de programación por ejemplos sin necesidad de un lenguaje específico de dominio predefinido, y demuestra su capacidad para aprender y buscar en el espacio de programas latentes para adaptarse a nuevas tareas en el benchmark ARC-AGI. La habilitación de la búsqueda durante la prueba duplica el rendimiento en tareas fuera de distribución.
