何恺明团队发布VISTA视觉Harness框架

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。据该论文，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。 该框架的适用对象是现有多模态模型，核心做法是保留原始视觉信息供推理阶段反复调用，而非重新训练模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。