何恺明团队发布用于多模态推理的 VISTA 视觉测试框架

发生了什么

何恺明团队发布了 VISTA，一种视觉原生测试框架，使现有多模态模型能够观察环境、将原始帧存储在上下文之外，并在推理过程中回忆、缩放或检查这些帧，而无需重新训练。搭配 VISTA，Claude Opus 5.0 完成了全部 25 个公开的 ARC-AGI-3 游戏，取得完美的 100 分动作效率得分，所用动作比人类首次游玩基线少 57.4%，而 GPT-5.6 Sol 得分为 99。该团队还测试了浏览器游戏、迷宫和连点成线任务，并将具身任务列为未来工作。

这件事到目前为止

何恺明团队发布了 VISTA，这是一种视觉原生的执行框架，能让现有多模态模型观察环境，将原始帧存储在上下文之外，并在推理过程中回忆、放大或检查这些帧，而无需重新训练。该团队报告称，与 VISTA 配合使用时，Claude Opus 5.0 完成了全部 25 款公开的 ARC-AGI-3 游戏，取得完美的 100 动作效率分数，所用动作比人类首次游玩基线少 57.4%，而 GPT-5.6 Sol 得分为 99。 该团队还在浏览器游戏、迷宫和连点成线任务上测试了 VISTA，并将具身任务列为未来工作。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议