본 논문은 추상적 추론 능력 평가를 위한 ARC-AGI 데이터셋에서 대규모 언어 모델(LLM)의 한계를 극복하기 위한 새로운 방법을 제시합니다. 과제 특화 데이터 증강을 훈련, 생성, 평가 단계 전반에 걸쳐 활용하고, 깊이 우선 탐색 알고리즘을 통해 다양하고 높은 확률의 후보 솔루션을 생성합니다. LLM을 생성기뿐 아니라, 출력 확률을 이용한 유망한 솔루션 선택을 위한 평가자로도 활용합니다. 공개된 방법론 중 최고 성능인 71.6%(400개 과제 중 286.5개 해결)를 달성하였으며, 비록 비공개 연구에서 더 높은 점수가 보고되었지만, 투명성, 재현성, 그리고 놀라울 정도로 낮은 추론 비용(Nvidia 4090 GPU 기준 시간당 36센트 가정 시 과제당 약 2센트)이라는 특징을 가지고 있습니다.
