arXiv · NLP· Yu Zhou, Cheng-Fu Yang, Rui Sun, Di Wu, Sibo Peng, Mingyang Zhang, Zhen Yang, Ruiyi Zhang, Nanyun Peng, Zhe Gan, Kai-Wei Chang·· 6 小时前AI 评分41
OpenVLHarness：利用多模态记忆实现真实场景下的视觉智能体工具调用
OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory
AI 导读
OpenVLHarness 在 22 个基准测试上，使 8 个开源与闭源骨干模型的无工具基线平均得分提升 9.7-12.6 分。 该框架结合能力层与持久多模态记忆，通过工具接口和证据渲染实现跨步骤信息检索与整合。 在 GPT-6 Luna 中等推理强度下，其性能比基线、Codex 及 Visual Sketchpad 高出 7.7-8.5 分，而模型 token 成本仅最高为它们的 37%。
来源：arXiv · NLP · arxiv.org