يقدم الباحثون VISTA، وهو إطار مرئي مصمم لإطلاق العنان لإمكانية الاستدلال في النماذج متعددة الوسائط العامة في البيئات التفاعلية. يوفر النظام رؤية طويلة المدى من خلال السماح للنماذج بإدراك المحيط مباشرةً والحفاظ على ذاكرة بصرية غير مفقودة للملاحظات السابقة للاسترجاع وإعادة التنظيم النشطين.

  • على ARC-AGI-3، يحسن VISTA درجة Relative Human Action Efficiency لـ Claude Opus 5.0 من 40.68 إلى درجة مثالية تبلغ 100.00.
  • يكمل النموذج جميع الألعاب العامة الـ 25 باستخدام 57.4% أقل من الإجراءات مقارنةً بالمشاركين البشر لأول مرة.
  • يتفوق بشكل كبير على الخطوط الأساسية بأطر عمل دنيا عبر ثلاثة معايير إضافية تغطي ألعابًا وألغازًا بصرية متنوعة.

يتيح التصميم البسيط لـ VISTA توسيع نطاقه الطبيعي إلى بيئات بصرية متنوعة بتكيف أدنى، مما يبرز إمكاناته كأداة عامة لتعزيز وكلاء متعددو الوسائط في إعدادات معقدة.