跳到正文
arXiv · AI· Dongjie Cheng, Ruifeng Yuan, Ran Wei, Ning Song, Yongqi Li, Wenjie Li·· 2026-10-16AI 评分31

CoWorld Reasoner:基于进化视频世界模型驱动框架的智能体多模态推理

CoWorld Reasoner: Agentic Multimodal Reasoning with the Evolving Video World Model-Driven Harness

AI 导读

CoWorld Reasoner提出了一种智能体框架,利用视频世界模型作为统一视觉推理引擎,在七个基准测试中优于直接推理。 该框架通过工具暴露多种视觉操作,并引入VLM-VWM协同进化机制以固定模型权重优化执行代码。 最强变体在MMSI基准上准确率相对提升11.8%,在ERQA基准上提升13.0%。

来源:arXiv · AI · arxiv.org