何恺明团队提出 NAT-ARC：用 ImageNet 猫狗图预训练，纯视觉方案逼近 ARC 专用 LLM

何恺明团队提出纯视觉 ARC 解题方案 NAT-ARC，用 ImageNet 上的 MAE 预训练 encoder，再迁移到抽象格子推理。表现最好的单模型为 0.6B 的 huge 尺度，ARC-1 上 pass@2 达 63.4%，集成后达 70.2%，总参数量约 2B。该方案首次让视觉路线逼近专用 LLM 系统水平，并打通了视觉路线的 scaling 瓶颈。