阅读
了解 e/acc
创作
我的
本站
何恺明团队提出NAT-ARC,一套不依赖LLM的纯视觉ARC解题方案,用ImageNet上的MAE预训练encoder再迁移到抽象格子推理。表现最好的单模型为0.6B参数量,在ARC-1上取得63.4% pass@2,集成后达70.2%,约为专用LLM方案The ARChitects(8B模型、71.6%)四分之一的参数量。
摘自 量子位
沿着报道,了解事件的不同侧面。
何恺明团队提出纯视觉 ARC 解题方案 NAT-ARC,在 VARC 流程前插入 ImageNet MAE 预训练,最佳单模型在 ARC-1 上取得 63.4% pass@2,集成后达 70.2%。
模型发布、价格变化、算力进展,附原始来源。免费,确认后开始发送,随时一键退订。 看一份往期日报