何恺明团队提出NAT-ARC：用ImageNet预训练让纯视觉模型解ARC

何恺明团队提出NAT-ARC，一套不依赖LLM的纯视觉ARC解题方案，用ImageNet上的MAE预训练encoder后迁移到抽象格子推理。表现最好的单模型参数量0.6B，在ARC-1上取得63.4%的pass@2分数，集成后达到70.2%，总参数量约2B。论文发现预训练打通了视觉路线的scaling瓶颈，此前无预训练时模型从large到huge反而掉点。