VISTA視覺框架讓Claude Opus 5.0在ARC-AGI-3達滿分
論文AI 評分 88/100arXiv cs.AI
AI 聚合
本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。
VISTA為通用多模態模型賦予長程視覺能力，通過無損保留歷史觀測並允許模型主動檢索重組視覺輸入來解鎖推理潛力。在ARC-AGI-3測試中，該框架將Claude Opus 5.0的相對人類動作效率得分從40.68提升至100.00，以比人類初試者少57.4%的動作完成全部25個公開遊戲。在另三個涵蓋視覺遊戲與謎題的基準測試中，其同樣大幅超越使用相同底層模型的最小框架基線。該設計可自然擴展至多種視覺環境。
全文梳理
AI 摘要依據下方信源原文自動整理，非原文轉載核心機制與視覺記憶
VISTA旨在為通用多模態模型賦予長程視覺能力，使其能在多樣交互環境中解決任務。其核心機制在於讓模型直接通過視覺觀測感知環境，同時維持無損的視覺記憶，將過往觀測以其原始形態完整保留。在推理過程中，模型能夠主動檢索這些歷史觀測，並對視覺輸入進行重新組織，從而解鎖多模態模型在複雜場景下的推理潛力。
ARC-AGI-3基準表現
在ARC-AGI-3基準測試中，VISTA顯著提升了Claude Opus 5.0的表現。該框架將模型的相對人類動作效率得分從原先的40.68直接拉昇至完美的100.00。在全部25個公開遊戲中，搭載VISTA的模型不僅完成了所有任務，且其使用的動作數量比首次參與的人類受試者減少了57.4%，展現出極高的交互效率與任務解決能力。
跨環境泛化與對比
VISTA的簡潔設計使其能夠以極少的適應性調整，自然擴展至多樣的視覺環境中。在涵蓋多種視覺遊戲與謎題的另外三個基準測試中，VISTA大幅超越了基線方法。這些基線使用了相同的底層模型，但僅配備了最小化的框架。這一對比結果凸顯了VISTA作為一種通用視覺框架，在推進多模態智能體於複雜視覺環境中發展的巨大潛力。
為什麼值得看
以極簡設計實現無損視覺記憶與主動檢索，顯著提升多模態模型在複雜交互環境中的長程推理與動作效率。
Claude多模態基準測試
信源1 家
關鍵事實
相關 · 論文
本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。