【何恺明团队新作：给大模型加上“视觉记忆”，AGI基准测试从40分升到100分】

同一个大模型，仅仅换了一套“看世界”和“记东西”的方式，成绩就能相差 60 分。

近日，MIT 电气工程与计算机科学系副教授、Google DeepMind 杰出科学家何恺明团队发表论文《VISTA：面向交互世界推理的视觉框架》。研究团队没有训练新的基础模型，而是在现有多模态模型外增加了一套视觉交互与记忆框架。

结果显示，接入 VISTA 后，模型在 ARC-AGI-3 的 25 个公开游戏中分数显著提升。Claude Opus 5 的得分从 40.68 分直接提升至 100 分，GPT-5.6 Sol 则从 13.33 分提升至 99 分，两个模型最终都顺利完成了全部公开关卡。

作为一套面向多模态 #Agent# 的视觉交互框架，VISTA 主要解决两个看似基础、却长期影响 Agent 表现的问题：模型如何直接观察视觉环境，以及在长周期的连续交互中，如何保存并重新调用过去的信息。

ARC-AGI-3 是今年 3 月推出的一套 AGI 基准测试，由 ARC Prize 基金会主导，延续了 Keras 创始人 François Chollet 提出的 ARC 系列思路，主要考察模型面对陌生任务时的适应和推理能力。

戳链接查看详情：http://t.cn/AXW1fKiU