量子位· henry·· 15 天前精选AI 评分83
何恺明团队发布多模态视觉原生 Harness 框架 VISTA
何恺明团队发布多模态Harness框架
AI 导读
何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出 VISTA 框架，通过保存原始视觉信息并允许模型在推理时按需回看、放大和检查细节，在无需额外训练的情况下显著提升了多模态模型在交互式任务中的表现。
推荐理由
该研究提出的视觉原生框架通过保存原始视觉信息并支持按需回看，为多模态智能体在复杂交互任务中提升推理能力提供了可迁移的工程方法。
来源：量子位 · qbitai.com