跳到正文
量子位· henry·· 2026-10-11精选AI 评分53

何恺明团队发布多模态视觉 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》中提出视觉原生 Harness 框架 VISTA,把环境返回的原始画面连同动画中间帧保存在上下文之外并按回合号和帧号索引,让现成多模态模型在推理时通过 inspect 工具按需调取、裁剪放大和对比,无需额外训练新模型。

推荐理由

与把环境转成文字网格的既有思路相比,VISTA 把原始画面存到上下文之外按需回看,并给出跨多个基准的对照数据。

来源:量子位 · qbitai.com