Что недостаёт нынешних задач по систематическому обобщению? Разумный анализ

arXiv:2609.19212v1 Annuales Type: New Hightreat: Systemic Generalization, способность решать новые проблемы путем рекомбинации известных атомных элементов является центральным элементом человеческого интеллекта, но трудно тщательно изучать в контролируемых условиях. Таким образом, существующие исследования основываются на таких упрощений, как приблизительно линейный состав действий, тесты на производительность и конкретные цели, которые облегчают систематическое обобщение, но оставляют без внимания некоторые важные аспекты этого потенциала. Чтобы охарактеризовать то, что не хватает этих упрощений, мы принимаем логичную линзу и представляем TranSGrid — тестовую степь, которая приводит к дедуктивным, индукционным и похищающим рассуждениям в рамках единой задачи. Эксперименты с семью Трансформерами на 4800 случаях в Тран-SGrid показывают, что все модели работают гораздо хуже на TranSGриде по сравнению с удержанным набором испытаний: самая большая модель решает 79,6% испытательного набора, но только 55,3 % от Трэнсерд и 15,8 % из самого тяжелого поднабора. Этот разрыв остается внутри тренировок