IXThinker·2026-10-10 12:10

何愷明團隊發布視覺原生VISTA框架

何愷明團隊發表最新論文，提出面向多模態模型的視覺原生框架 VISTA。該框架讓模型直接觀察環境、保存原始畫面，並在推理過程中隨時回看、放大與細查畫面細節，無需重新訓練模型，提升了利用真實視覺信息的能力。

框架核心設計

VISTA 讓現有多模態模型直接觀察環境並保存原始畫面，推理時可根據眼前的問題，把過去看過的畫面重新調入上下文，隨時回看、放大和檢查細節，整個過程不需要從頭訓練模型。