何恺明团队发布VISTA视觉Harness Claude满分通关ARC-AGI-3

# 何恺明团队发布VISTA视觉Harness Claude满分通关ARC-AGI-3 ## 核心事件 2026年10月11日，MIT副教授、AI领域知名学者何恺明领衔的团队正式发布最新研究成果——VISTA（Visual Harness for Reasoning in an Interactive World）。这是一套面向通用多模态模型的"视觉原生"Harness框架。VISTA的核心突破在于：**无需重新训练模型**，只改变模型获取、保存和使用视觉信息的方式，就能让现有模型直接观察环境、保存原始画面，并在推理时随时回看、放大和检查细节。 ## 三大核心组件 1. **视觉观测（Visual Observation）**：将ARC-AGI-3官方64×64画面放大为512×512 PNG图像，保留颜色、外观和空间关系，让模型直接观察环境。 2. **无损视觉记忆（Lossless Visual Memory）**：完整保存环境返回的所有画面（包括动作过程中的动画中间帧），按回合号和帧号建立索引。 3. **主动视觉检查（Active Visual Inspection）**：通过inspect工具，模型可指定历史回合调出对应画面，裁剪、放大局部区域，甚至一次调出多帧对比动作前后变化。 ## 关键实验结果 - **ARC-AGI-3基准（25个公开游戏）**：搭配VISTA，Claude Opus 5.0全部通关，**相对人类动作效率从40.68提升到100.00满分**，所用动作数比首次游玩人类基线**少57.4%**；GPT-5.6 Sol同样全部通关，得分99。 - **GameWorld（170项浏览器游戏）**：使用GPT-5.6 Sol，成功率从40.0%提升至63.3%。 - **AI GameStore（10个游戏）**：综合得分从47.3升至140.3（人类中位数归一化为100）。 - **BabyVision（39道迷宫与连线题，仅静态图片）**：准确率从41.0%提升至63.2%。 ## 作者团队 - **共同第一作者**：Qiushi Han（MIT运筹研究中心博士）、胡珂雅（MIT EECS博士，何恺明+Jacob Andreas联合指导）、Linlu Qiu（MIT EECS+CSAIL博士） - **通讯作者**：Cathy Wu（MIT副教授）、何恺明（MIT EECS终身副教授） - 何恺明是ResNet、Mask R-CNN、MAE等里程碑工作的主要作者，本科毕业于清华大学、博士毕业于香港中文大学，2024年加入MIT。 ## 影响与意义 - VISTA实现了首个**长程视觉Harness**在ARC-AGI-3上达到满分100%的成绩。 - 不需要重新训练模型，只通过Harness架构就能显著释放现有多模态模型的潜力。 - 与Anthropic去年11月提出的"文本Harness"相对应，VISTA是**视觉原生的对应方案**。 - 论文将未来研究方向指向更接近物理世界的具身任务，让模型在持续变化的环境中保存、复查并利用视觉经验决定下一步行动。 ## 参考来源 1. https://arxiv.org/abs/2610.02200 2. https://vista-research.github.io/ 3. https://www.qbitai.com/2026/10/502628.html 4. https://finance.sina.cn/stock/jdts/2026-10-11/detail-iniuvxsh0570057.d.html 5. https://eu.36kr.com/en/p/4018280754614148 6. https://m.36kr.com/p/4017008318648201 7. https://zhuanlan.zhihu.com/p/2090373251465754451 8. https://github.com/hkust-nlp/AgentVista