普通の写真で事前学習したモデルが推論テストで70%を取った

何愷明氏のMITチームは、抽象推論テストARCを視覚だけで解く手法を作った。自然画像で事前学習した集合モデルは70.2%、専用の言語システムは71.6%だった。最前線のモデルはなお強く、Gemini 3 Proは同じテストで98%を出す。

なぜ重要か抽象的な推論は、言語だけでなく見ることの問題でもあるのかもしれない。巨大なモデルが必要だと思っていた仕事に、小さなモデルで届く可能性がある。

関連ニュース