⌘ K
… 读取采集状态 同步中...
雷
原文
CVer· CVer·· 6 天前精选AI 评分77

何恺明团队发布VISTA：面向交互式视觉推理的无损记忆框架

刚刚，何恺明发了首篇Agent论文

AI 导读

MIT 团队提出 VISTA 视觉运行框架，让现有多模态模型按需回看、放大和读取旧帧像素，在 25 个 ARC-AGI-3 公开游戏上实现全通关。Claude Opus 5.0 配合 VISTA 达到 100.00 RHAE 且总动作数比人工参考少 57.4%。GPT-5.6 Sol 配合 VISTA 达到 99.00 RHAE；将图像输入替换文本格点，每游戏 token 用量减少 57.3%。

推荐理由

为现有多模态模型提供外部视觉记忆与主动检查机制，可帮助读者理解长期交互推理中证据检索的作用。

本文当前提供导读和图片预览，完整图文请查看原文。

来源：CVer · mp.weixin.qq.com

#论文/研究#Agent#多模态#Anthropic#OpenAI