VISTA为多模态模型加入视觉记忆
AI 总结
何恺明团队提出VISTA视觉原生框架,在不重训基础模型的情况下,为多模态模型加入直接视觉观测、无损帧存储和按需检查机制。论文称,Claude Opus 5在ARC-AGI-3的25个公开游戏中获100分,GPT-5.6 Sol获99分,并在GameWorld、AI GameStore和BabyVision上也取得提升。这些结果由论文团队报告,且测试主要限于公开任务,不能证明模型在私有或真正未知测试中的泛化能力。
深度见解
VISTA表明,交互推理能力的大幅提升可以来自视觉信息获取与记忆方式的改造,而不必更新基础模型参数。
编者按:本文来自微信公众号 “新智元”(ID:AI_era),作者:ASI启示录,创业邦经授权转载。
何恺明团队的新论文,在X上炸了!
十一期间刚挂上arXiv的VISTA论文显示,过去半年,全世界最顶尖的大模型,全是被「蒙着眼睛」赶上AGI考场的。
同一个Claude Opus 5,在官方标准测试里只拿了可怜的40分。
何恺明团队只不过帮它摘掉了眼罩,让它亲眼看游戏画面,顺手递给它一本能随时往回翻的「相册」。
结果,Claude直接把ARC-AGI-3的25个公开游戏全部打穿,拿下100分满分!
#VISTA#MIT#Claude Opus 5#GPT-5.6 Sol#ARC-AGI-3#GameWorld#AI GameStore#BabyVision