Команда Kai-Ming He научила ИИ решать тест на абстрактное мышление — с помощью картинок, а не текста

1 октября 2026 · Лента новостей

💡 Почему важно: ARC (Abstraction and Reasoning Corpus) — один из самых сложных тестов на интеллект для ИИ: машины должны находить скрытые закономерности в цветных сетках, как человек. До сих пор лучшие результаты показывали системы на основе больших языковых моделей. Команда Kai-Ming He — соавтора ResNet и MAE, одного из самых влиятельных исследователей компьютерного зрения — впервые вплотную приблизилась к этим системам, используя чисто визуальный подход. 📰 Что произошло: Исследователи представили NAT-ARC — систему, которая решает задачи ARC как задачу «картинка на входе — картинка на выходе», без какого-либо текста. Визуальный энкодер (нейросеть, извлекающая признаки из изображений) инициализирован с помощью MAE — метода предобучения, при котором модель восстанавливает закрытые части фотографий котов, пейзажей и прочих обычных снимков из ImageNet. Одна модель размером 0,6 млрд параметров достигла результата 63,4% в метрике pass@2 (правильный ответ хотя бы с двух попыток). После ансамблирования (объединения нескольких моделей) результат вырос до 70,2%. По заявлению авторов, это впервые позволило чисто визуальному подходу вплотную приблизиться к уровню специализированных языковых систем. Кроме того, авторы утверждают, что удалось преодолеть «потолок масштабирования» — ситуацию, когда увеличение модели перестаёт давать прирост качества на визуальном пути решения ARC. 🏢 Справка: Kai-Ming He — соавтор ResNet и MAE, сейчас работает в MIT; его методы предобучения лежат в основе большинства современных визуальных моделей.

Лента отвечает на вопрос «что случилось». Как это устроено — в разборах и отчётах; значения терминов — в глоссарии.