何恺明团队提出VISTA多模态Harness框架

何恺明团队在最新论文中提出 VISTA 框架，让多模态模型在持续交互中积累、保存并利用视觉经验，无需重新训练。 该框架由三个组件构成：视觉观测、无损视觉记忆和主动检查。模型可直接观察环境、保存原始画面，并在推理时回看或放大细节。团队称，VISTA 旨在解决多模态模型在复杂交互中如何有效管理视觉信息的问题。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。