MIT何恺明团队提出多模态视觉框架VISTA

据量子位2026年10月11日报道，MIT副教授何恺明领导的团队提出视觉原生harness框架VISTA，让现有多模态模型在推理中保存并重新查看原始帧，无需重新训练。论文名为《VISTA: A Visual Harness for Reasoning in an Interactive World》。VISTA包含视觉观察、无损视觉记忆和主动视觉检查三个核心组件，在ARC-AGI-3等评测中提升了Claude Opus 5.0和GPT-5.6 Sol等模型表现。