शोधकर्ताओं ने VISTA का परिचय दिया, एक दृश्य हार्नेस जो इंटरैक्टिव वातावरण में सामान्य-उद्देश्य वाले मल्टीमोडल मॉडलों की तर्क क्षमता को अनलॉक करने के लिए डिज़ाइन किया गया है। सिस्टम मॉडलों को सीधे आसपास का अनुभव करने और सक्रिय पुनर्प्राप्ति और पुनर्गठन के लिए अतीत अवलोकनों की एक हानिरहित दृश्य स्मृति बनाए रखने की अनुमति देकर लंबे-अवधि दृष्टि प्रदान करता है।
- ARC-AGI-3 पर, VISTA Claude Opus 5.0 के Relative Human Action Efficiency स्कोर को 40.68 से बढ़ाकर पूर्ण 100.00 कर देता है।
- मॉडल 25 सार्वजनिक खेलों को पूरा करता है, जिसमें पहली बार भाग लेने वाले मानव प्रतिभागियों की तुलना में 57.4% कम क्रियाएं उपयोग होती हैं।
- यह विविध दृश्य खेलों और पहेलियों को कवर करने वाले तीन अतिरिक्त बेंचमार्क्स में न्यूनतम हार्नेस के साथ आधार रेखाओं की तुलना में काफी बेहतर प्रदर्शन करता है।
VISTA का सरल डिज़ाइन न्यूनतम अनुकूलन के साथ विविध दृश्य वातावरण में प्राकृतिक रूप से विस्तार की अनुमति देता है, जो जटिल सेटिंग्स में मल्टीमोडल एजेंट्स को आगे बढ़ाने के लिए एक सामान्य-उद्देश्य वाले उपकरण के रूप में इसके संभावना को उजागर करता है।