OpenVLHarness：免训练框架让多模态模型组合感知、搜索与代码计算
_akhaliq · x · 2026-10-20
论文《OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory》(arXiv 2610.26860) 提出一个免训练的 harness，让多模态模型在真实世界视觉智能体任务中组合使用感知、网页搜索和 Python 计算。
- 免训练：无需微调即可为现有多模态模型扩展工具使用能力
- 多模态记忆：把每一步的工具证据保持可读、可在推理步骤间复用
- 面向真实世界的视觉 agentic 工具使用场景
所属事件:UCLA 联合 Apple 发布视觉 Agent 框架 OpenVLHarness(2 条相关)→
「编程与Agent」频道最新
- Factory Droid 支持直接从 Linear 委派任务，issue 一键交给智能体跑 — matanSF · 2026-10-21
- Agent 设计观点：情绪、目标行为与记忆巩固应视为一个系统 — mimi10v3 · 2026-10-21
- Meta 发布 Muse Wonder 编程模型：1M 上下文，定价输入 $4/输出 $20 — AIatMeta · 2026-10-21
- 开源 CastWorkshop:自然语言编排 Ollama+ComfyUI 生成角色视频 — CastWorkshop · 2026-10-21
- Agent 生产环境挂掉多因后端工程而非模型,六条实战清单 — DayKnown1050 · 2026-10-21
- REA 开源方案：任意网站、App 或游戏一键变成 RL 环境 — henloitsjoyce · 2026-10-21