Zhiguang Liu

RoSeViT架构通过分离指令和工作区Token来增强ARC视觉推理能力

研究人员开发了RoSeViT，一种新颖的视觉Transformer架构，旨在提高抽象推理任务的性能。该模型明确地将高级转换指令的处理与视觉工作区计算分离开来。通过使用专用的控制器Token进行指令聚合，以及使用工作区Token处理视觉数据，RoSeViT增强了模型推断和应用复杂规则的能力，从而提高了在ARC基准测试上的准确性。