RoSeViT论文获NeurIPS 2026录用

2026年10月30日，arXiv收录了题为《RoSeViT：用于 ARC 视觉推理的角色分离视觉 Transformer》的新论文，作者为 Zhiguang Liu 和 Yi Shang。论文备注显示该文已被 NeurIPS 2026 录用为海报（camera-ready）。 该研究提出通过解耦高层指令推断与视觉工作区计算来改进模型架构。具体而言，模型采用控制器 token 聚合变换信息，工作区 token 表示网格，并通过控制器路由非局部交互。 在标准 ARC 协议下，RoSeViT 性能优于密集 ViT 基线。当整合进完整系统后，RoSeViT-Ensemble 将 ARC-1 性能从 60.4 提升至 62.6。目前，相关代码与检查点已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。