ARCANA — мульти-агентный фреймворк для решения задач ARC-AGI-2, опубликованный на arXiv 10 июля 2026 года командой из пяти исследователей. Система атакует один из самых неудобных бенчмарков ИИ: задачи ARC-AGI-2 строятся так, чтобы человек решал их интуитивно, а нейросеть — буксовала. ARCANA отвечает на это не масштабом модели, а многоуровневой архитектурой из специализированных агентов, которые рефлексируют и исправляют друг друга в реальном времени.
Контекст
ARC-AGI (Abstraction and Reasoning Corpus) создал Франсуа Шоле как тест на «настоящее» обобщение: задачи из цветных сеток требуют вывести правило из нескольких примеров и применить его к новому случаю. Паттерн-матчинг и зазубренные обучающие данные не помогают — каждое задание уникально по своей структуре. ARC-AGI-2 ужесточает планку: паттерны запутаннее, правила труднее выводимы, и у LLM почти нет шанса «угадать» из предобучения.
Проблема этого бенчмарка — он придуман против статистического обобщения. Поэтому интересны подходы, которые строят символические гипотезы и проверяют их формально. ARCANA идёт именно этим путём: program synthesis — генерация программ на DSL (domain-specific language), которые объясняют трансформации в задаче. Это ближе к дедуктивному рассуждению, чем к распознаванию образов.
Конкуренция здесь нарастает: в 2025–2026 годах несколько академических команд делают ставку на гибридные подходы — нейросеть генерирует кандидатные программы, символический движок проверяет их формально. ARCANA добавляет к этому слой рефлексии: агент не просто фиксирует неудачу, он синтезирует объяснение и передаёт его дальше.
Аналитика
Что технически интересно: ARCANA декомпозирует задачу на четыре этапа. Perceptual grounding agent строит object-centric scene graphs из сырых сеток. Политика латентных программ предлагает разнообразные DSL-программы. Символический исполнитель верифицирует кандидатов на демонстрационных примерах. Рефлективный агент синтезирует failure-driven feedback — обратную связь на основе неудач — и передаёт её в следующий тур. Координирует всё это shared differentiable blackboard и learned meta-controller.
Архитектурно это не цепочка промптов и не RAG. Агенты работают с разными уровнями абстракции — перцептивным, программным, верификационным, мета-уровнем — каждый специализируется в своей функции. Failure-driven feedback — мощный принцип: провал не просто фиксируется, а описывается структурированно и становится входом для следующей итерации.
Для AI-рынка шире сигнал такой: задачи, требующие compositional reasoning и формальной верификации, не закроются масштабированием одной LLM. Мультиагентная специализация плюс символические движки дают реальную разницу там, где один большой вызов модели даёт галлюцинации или бессмысленный вывод. Этот паттерн уже переносится в продуктовые системы: кодогенерация с верификацией, планировщики с formal checks, агентные пайплайны с self-critique.
Кейсы применения в бизнесе
B2B-SaaS стартап: если у вас есть агентный пайплайн — обработка документов, автоматизация поддержки, генерация отчётов — добавьте слой верификации после генерации. Агент-«критик» с явными критериями провала дешевле, чем ручной QA. Паттерн ARCANA переносится напрямую: генерируй → проверяй формально → передавай описание ошибки следующему туру как контекст, а не просто «попробуй ещё раз».
Корпорация с legacy: задачи, где нужно извлечь правила из исторических данных и применить к новым случаям — аудит транзакций, compliance-проверки, классификация договоров — прямые кандидаты на program synthesis подход. Вместо одной «умной» модели: перцептивный агент (что вижу в данных), гипотезный агент (что это значит по правилу), верификатор (соответствует ли формальному критерию).
SMB и локальный бизнес в КР/СНГ: в реалиях небольших команд самый практичный вывод — не решать сложную задачу одним промптом. Разбивай на: агент-анализатор исходных данных → агент-генератор вариантов → агент-проверщик → итог. Даже в Telegram-боте или Google Sheets-автоматизации этот принцип даёт стабильность там, где один вызов LLM плавает.
Кейсы в личной жизни
Разработчик: ARCANA — хорошая схема для сложных debugging-сессий с Claude или GPT. Не «объясни баг», а раздели задачу: сначала агент строит модель происходящего, потом генерирует гипотезы причин, потом проверяет каждую на конкретных тестах, потом синтезирует фикс. Такой multi-turn промпт можно сохранить как шаблон и использовать многократно.
Контент-мейкер и аналитик: принцип reflective refinement работает и в текстовых задачах. Пишешь черновик → запускаешь отдельный промпт-«критик» с явными критериями → передаёшь его вывод обратно как инструкцию для переработки. Это не «перепиши лучше», это структурированный цикл, который даёт реально другой результат за три-четыре итерации.
Студент и исследователь: если интересен ARC-AGI-2 как исследовательская площадка — ARCANA даёт готовую архитектурную схему для экспериментов. DSL плюс символическое исполнение плюс мульти-агент — трек, где академические команды ещё могут конкурировать с большими лабораториями без доступа к кластерам на тысячи GPU.
Как применить сегодня
- Возьми свою самую сложную агентную задачу и декомпозируй по схеме ARCANA: перцепция → гипотезы → верификация → рефлексия на ошибках. Даже если реализуешь только в промптах — структура помогает сразу.
- Добавь в любой мульти-шаговый пайплайн шаг «что именно пошло не так и почему» — это и есть failure-driven feedback. Передай этот вывод в следующий вызов как контекст.
- Для задач pattern extraction (аудит, классификация, compliance) изучи подходы program synthesis: DSL-based generation плюс формальная проверка надёжнее, чем дообучение модели под конкретный домен.
- На Claude можно реализовать shared blackboard через структурированный JSON-объект с полями perception, hypotheses, failures — передавай его между агентами как единую «память» сессии.
- Полный PDF на arXiv (идентификатор arXiv:2607.09059) содержит архитектурные схемы — хорошая основа для проектирования собственных агентных систем с верификацией.