何恺明团队提出视觉原生Harness框架VISTA

何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节，无需从头训练，也未为此额外训练新模型。 按论文描述，在完整方案中，每次执行动作后框架默认只向模型展示最后一帧；同一套VISTA框架只需少量适配，即可用于不同的游戏与谜题，并展现了在更多视觉任务中的应用潜力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。