arxiv · arXiv · 2026-10-02 01:59 · 评分 82
提出VISTA视觉框架，为通用多模态模型提供长时程视觉能力。模型通过视觉观察直接感知环境，并借助无损视觉记忆保留原始历史观察、主动检索，从而在多种交互式环境中解决复杂任务。
原文：arXiv ｜ 返回 AI 资讯列表