伯克利与英伟达联合开发的PS3视觉编码器实现了4K超高分辨率的高效预训练，突破了传统模型的计算限制。基于此，VILA-HD多模态大模型在高清场景下表现优异，准确率提升3.2%，速度加快三倍，并推出4KPro基准测试集，推动视觉模型在实际应用中的发展。