何恺明团队新作：看猫片就能学会ARC挑战

何恺明团队提出NAT-ARC，一种纯视觉方案，通过ImageNet训练的encoder解决ARC抽象推理题，单模型在ARC-1上达到63.4%的pass@2分数，集成后达70.2%。该方案利用MAE预训练模型的视觉特征提取能力，无需额外预训练，仅用2B参数即可接近专用8B语言模型的性能。研究发现，预训练能解决视觉模型在ARC任务中的scaling瓶颈，使模型越大效果越好。