何恺明团队提出NAT-ARC：用ImageNet预训练做纯视觉ARC推理

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，再迁移到抽象格子推理。表现最好的单模型为0.6B参数，在ARC-1上取得63.4% pass@2，集成后达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。