arXiv论文提出VISTA视觉Harness，大幅提升多模态长程推理能力

VISTA: A Visual Harness for Reasoning in an Interactive World 研究人员提出了名为VISTA的多模态交互框架，通过保留原始观察的无损视觉记忆模块为大模型赋予长周期视觉感知与主动检索能力。实验显示，VISTA使Claude Opus 5.0在ARC-AGI-3基准上的相对人类行动效率得分从40.68飞跃至满分100，并节约了57.4%的操作步骤。该成果为多模态智能体在复杂动态视觉任务中的工程设计提供了通用范式。