跳到正文

何恺明团队提出NAT-ARC纯视觉解ARC

2篇报道 1个报道来源 首报 2026-10-08更新

先了解这件事

报道摘要

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

接下来读什么

今日还有哪些重要变化Gemini 接入 Google Wallet,提供个人财务洞察

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. 何恺明团队提出 NAT-ARC:用 ImageNet 预训练让视觉模型解 ARC 挑战

    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%。

10月1日
  1. 何恺明团队提出NAT-ARC:用ImageNet预训练让纯视觉方案解ARC

    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。

每天一封,跟上 AI 的重要变化

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