何恺明团队发布新论文，题为“看猫片就能学会ARC挑战”，引发AI社区关注。该论文的核心主张是：模型通过观看猫的视频，就能学会ARC挑战。
ARC挑战是Abstraction and Reasoning Corpus的简称，被广泛用于评估AI的抽象推理能力。其任务通常要求模型从少量示例中归纳出抽象规则，并应用到新的场景中。由于人类可以轻松完成而AI往往表现不佳，ARC被视为衡量机器推理与泛化能力的重要试金石。
传统上，提升模型推理能力往往依赖大规模标注数据、专门设计的训练任务或复杂的提示工程。而“看猫片就能学会ARC挑战”这一标题暗示了一种不同的路径：从与目标任务无关的自然视频中，习得可迁移的抽象推理能力。如果这一思路成立，意味着模型可以从日常视频里捕捉对象、动态、因果等结构，并将其转化为解决抽象问题的能力，从而降低对人工标注和任务特定数据的依赖。
对AI从业者而言，这项工作的价值不在于“猫片”本身，而在于它提出的问题：自然视频能否成为抽象推理的训练来源？视频中的时序与交互信息，能否帮助模型建立更通用的世界表征？这些问题若得到验证，将影响未来多模态模型与推理系统的设计方向。
论文链接：https://www.qbitai.com/2026/10/501913.html