热点事件观察中
何恺明团队发布NAT-ARC纯视觉方案
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年10月1日，何恺明团队发布最新论文，提出名为NAT-ARC的抽象推理解决方案。该方案不依赖大型语言模型（LLM），而是采用纯视觉架构。其核心创新在于利用在ImageNet数据集上进行的掩码自编码器（MAE）预训练来初始化视觉编码器，从而将模型从自然图像中学习到的视觉能力迁移至抽象格子推理任务中。实验数据显示，NAT-ARC在ARC-1基准测试中表现优异：单模型pass@2得分为63.4%，经过集成后得分提升至70.2%。值得注意的是，该方法仅使用约四分之一的参数量，便逼近了专用LLM系统的性能水平。这一成果验证了预训练策略对于突破视觉路线在扩展性（scaling）方面瓶颈的关键作用，展示了纯视觉方法在解决复杂抽象推理问题上的潜力。
AI 根据报道生成 · 2 天前更新
最新进展10月1日 23:06
何恺明团队发布NAT-ARC，以四分之一参数逼近LLM性能，验证预训练突破视觉Scaling瓶颈。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- 量子位何恺明团队发布NAT-ARC：用ImageNet预训练视觉模型攻克ARC抽象推理
何恺明团队最新论文提出NAT-ARC，一种不依赖LLM的纯视觉ARC解题方案。该方法通过在ImageNet上进行MAE预训练来初始化视觉编码器，使模型将自然图像中学到的视觉能力迁移至抽象格子推理任务。NAT-ARC在ARC-1基准上单模型pass@2得分63.4%，集成后达70.2%，以约四分之一的参数量逼近专用LLM系统性能，并验证了预训练对视觉路线scaling瓶颈的突破作用。
本事件热度走势
当前热度 3·可比范围峰值 10（10月2日 01:00）·近 24 小时可比范围变化 -50%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。