<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Reševanje nalog iz korpusa ARC-AGI-1 z metodami umetne inteligence</dc:title><dc:creator>Praček,	Marko	(Avtor)
	</dc:creator><dc:creator>Žabkar,	Jure	(Mentor)
	</dc:creator><dc:subject>umetna inteligenca</dc:subject><dc:subject>Abstraction and Reasoning Corpus</dc:subject><dc:subject>učenje na malo učnih primerih</dc:subject><dc:subject>veliki jezikovni modeli</dc:subject><dc:description>V diplomski nalogi obravnavamo reševanje nalog korpusa ARC-AGI-1 (Abstraction and Reasoning Corpus), ki je merilo zmogljivosti za abstraktno razmišljanje in sklepanje umetne inteligence iz malo primerov. Predstavimo hibridni sistem, v katerem veliki jezikovni model (LLM) s pomočjo DSPy ustvari pogoje in akcije, jih izvaja nad matrikami ter jih iterativno popravlja in razširja na podlagi poročila razlik. Namesto enumeracije v DSL uporabimo izboljševalno zanko, ki s pomočjo preiskovanja prostora navodil išče rešitve za specifične naloge. Na vzorcu nalog iz ARC-AGI-1 smo z modelom GPT-5-mini dosegeli 61,5% točnost na 60 učnih nalogah in 43% na 100 javnih evalvacijskih nalogah.</dc:description><dc:date>2025</dc:date><dc:date>2025-09-15 10:35:00</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>173254</dc:identifier><dc:identifier>VisID: 37991</dc:identifier><dc:identifier>COBISS_ID: 250405635</dc:identifier><dc:language>sl</dc:language></metadata>
