AIGCer的博客

本文提出VisionARC（VARC）框架，首次将抽象推理语料库（ARC）重新定义为纯粹视觉问题，而非传统的符号逻辑问题。通过将ARC任务构建为图像到图像翻译问题，并采用标准视觉模型（如ViT）配合"画布"表示、几何数据增强和测试时训练等方法，VARC在ARC-1基准测试中达到54.5%准确率（集成后60.4%），仅需18M参数即超越现有递归/符号模型，接近人类平均水平。

WEAVE提出首个面向多轮上下文感知图像理解与生成的研究体系，包含WEAVE-100k数据集（10万样本/37万轮对话/50万图像）和WEAVEBench评测基准（100任务/480图像）。实验表明基于WEAVE-100k的训练能提升模型9.8%理解能力和4.8%编辑性能，并激发视觉记忆能力涌现。基准评估揭示现有模型在多轮上下文生成中仍存在显著技术局限，尤其在长内容处理和世界知识整合方面表现不足。该研究为多模态上下文交错式理解与生成领域提供了重要基准和发展方向。