明略科技與中科院開源首個自修改視覺骨幹 VisionHOPE
明略科技與中國科學院自動化研究所聯合提出 VisionHOPE，稱其為首個以自修改學習系統為核心的通用視覺骨幹網路，程式碼、底層運算元與預訓練權重已按 MIT 協議開源。模型在單次前向計算中一邊讀圖、一邊更新決定特徵關聯、學習步長與記憶保留的規則，由五類可更新記憶協同完成。VisionHOPE-S 以 52.9M 引數在 ImageNet-1K 取得 85.2% Top-1 準確率，引數量不到 VMamba-B 的六成、準確率高 1.3 個百分點；
首個把學習規則納入影像內更新的視覺骨幹，公開五類記憶設計、穩定性約束與分塊推理加速（14 Token 一塊提速 2.86 倍），以 MIT 協議放出權重，對做視覺底座與本地訓練的研究者、開發者有參考價值。
原標題：GitHub star量过千，HF榜单第二，第一个会自己改学习规则的视觉骨干开源了
閱讀原文
| 評分 | 80 / 67（平均 73，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
何愷明團隊發布視覺原生 Harness 框架 VISTA
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
@MistralAI: Le Chonk cooked on visual grounding.
Mistral 官方帳號公布新模型 Le Chonk 在視覺定位基準 Dense 200 上取得 42% 的成績，並稱其領先於前沿閉源模型。該模型的能力是精確指出影像中各個物體所在的位置。
尤拉永珍與港科廣開源 UniWAM，LIBERO 成功率 99.2%
尤拉永珍與香港科技大學（廣州）聯合開源具身模型 UniWAM（統一世界與動作模型），將語義理解、未來視覺預測與動作生成納入統一架構，並首次揭示人機聯合訓練的 Scaling 趨勢。模型在 LIBERO 取得 99.2% 平均成功率、LIBERO-Plus 92.6%、RoboTwin 2.0 C2R 68.32%，真機在雙臂 AgileX Piper 平台上平均任務成功率 67.5%、指令跟隨率 82.5%，長程桌面整理進度得分 5.0/6。程式碼與權重已全部開源。
何愷明團隊提出 NAT-ARC，純視覺方案解 ARC 達 70.2%
何愷明團隊發布 NAT-ARC，用 ImageNet 上 MAE 預訓練的視覺編碼器解 ARC 抽象推理題，最佳單模型（0.6B 引數）在 ARC-1 上 pass@2 達 63.4%，整合後 70.2%。該方法不依賴 LLM，預訓練階段不使用 ARC 格子，僅複用 MAE 公開 checkpoint，測試時對每題做 LoRA 微調。論文稱這是純視覺方案首次逼近專用 LLM 系統水平，並顯示預訓練打通了視覺路線的 scaling 瓶頸。
Elorian 發布首個模型 Glimpse，推理中可裁剪圖片、抽影片幀
Elorian 發布首個模型 Glimpse，主打「視覺草稿空間」：模型在推理過程中可反覆回到原圖，裁剪區域性、抽取影片幀，或執行程式碼去測量和比較。該模型以研究預覽形式上線，提供 API，聊天介面需排隊；輸入每百萬 token 0.60 美元、輸出 3 美元。Elorian 稱其用幾百塊 GPU 訓練、規模遠小於對標的前沿模型，卻在科學圖表推理和短影片描述上超過 GPT-6 Astra。首批目標是機器人、科研、媒體等握有大量影片的公司。