何恺明团队提出视觉原生框架VISTA，使多模态模型能直接保存原始画面，并在推理时随时回看、放大和检查细节，无需重新训练。在该框架下，Claude Opus 5.0通关ARC-AGI-3全部25个公开游戏，动作效率得分满分100，动作数比人类基线少57.4%；GPT-5.6 Sol同样全部通关，得分99。团队还在浏览器游戏、迷宫和连线题中验证了该方法，并将具身任务列为后续方向。

何恺明团队提出NAT-ARC，利用ImageNet预训练的MAE视觉编码器解决ARC抽象推理任务，无需大语言模型。最佳单模型在ARC-1上pass@2达63.4%，集成后达70.2%，参数量约2B。研究表明预训练突破了视觉路线的scaling瓶颈，模型越大效果越好，并证明自然图像与ARC格子共享表征空间。

CVPR 2026在丹佛举行，收到16092篇投稿，华人研究者表现突出。最佳论文D4RT实现动态场景的高效重建，最佳学生论文ChordEdit由广东工业大学等团队完成，展现了本科生的实力。华人在计算机视觉领域的贡献持续增加。

何恺明团队推出了首个扩散语言模型ELF，采用105M参数和45B训练token，成功超越主流模型。ELF通过在连续空间中去噪生成离散token，显著提高生成速度和质量，展示了小规模模型的高效输出，降低了训练成本，未来有望推动AI生成速度提升。

何恺明团队推出了新的扩散语言模型ELF，该模型采用连续的embedding空间进行文本生成，显著降低了生成困惑度。ELF在训练和采样效率上表现优异，仅用105M参数和45B训练token，生成质量超过主流模型。该模型首次实现了连续与离散的有效结合，推动了扩散语言模型的发展。

何恺明团队在arXiv发布了《Generative Modeling via Drifting》论文，提出了Drifting Models生成模型，训练时分布逐步漂移，推理时仅需一步生成，速度提升100倍，质量更佳，标志着生成模型领域的重要转折，期待广泛应用。

何恺明团队的GeoPT提出了一种新预训练范式，通过合成动力学将静态几何转化为动态空间，使模型能够在无标签数据上学习物理规律。该方法节省了20-60%的物理仿真数据，提高了训练效率和适应性，为物理仿真提供了新思路。

抱歉，文本内容过于简短，无法有效总结。请提供更详细的文章内容。

抱歉，您提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。