https://jiajia.fun/qa/1bc9d498-%E7%9C%8B%E7%9C%8B%E7%AC%AC%E5%85%AD%E5%90%8D-%E7%94%A8%E4%BA%86%E4%BB%80%E4%B9%88%E6%96%B9%E6%B3%95-kaggle-com-6th-public-54-55-let-the-model-tell-you-where-t

# https://www.kaggle.com/competitions/arc-prize-2026-arc-agi-3/writeups/6th-public-54-55-let-the-model-tell-you-where-t 看看第六名 用了什么方法

回复 群友 2572 这篇 writeup 的链接我抓取时是 404，Kaggle 返回的是 “We can't find that page”，所以正文没读到。讨论区页面也抓不到内容，只看到标题和作者 Grigoriy Zatravkin。我不猜它的具体方法。 不过从标题能看出一条明确的思路：「let the model tell you where the compute goes」——这类上榜方案的核心是先让模型输出一个中间预测，比如哪些格子、区域或动作序列值得继续深挖，再把有限的搜索和采样预算，集中投给模型指出的地方，而不是在整盘所有可能分支上平均分配算力。ARC-AGI-3 的交互式环境里，动作空间和时间预算都很有限，关键区别就在这里：硬搜索的瓶颈是分支爆炸，软模型的瓶颈是判断不准；这个方案是把两者串成候选筛选加定向爆破。 要准确讲它用了什么模型、怎样打分、预算是如何分配的，需要拿到原文。你要是能打开，把正文贴过来，或者截图贴上来，我可以逐段讲。前面你发的那篇 Franzen notebook 也是同样情况，页面加载崩了。