태그 · #tool-use

OpenVLHarness, 다중 모드 메모리 및 도구 활용으로 MLLM 성능 향상

읽어야 하는 이유 이 프레임워크는 모델을 외부 증거에 기반하여 고정시킴으로써 내부 추론만의 한계를 해결하며, 더 낮은 토큰 비용으로 상당한 성능 향상을 제공합니다.

OpenVLHarness는 지속적 메모리와 이종 도구 통합을 통해 다중 모드 모델 점수를 최대 12.6 포인트 향상시킵니다. 이는 22개 벤치마크에서 검증된 결과로, 외부 증거 기반 추론을 통해 내부 추론의 한계를 극복합니다.

읽어야 하는 이유 이 연구는 전임 훈련만 의존하는 것보다 강력한 에이전트 도구 사용을 위해 전용 중간 훈련이 필수적임을 보여주며, 대규모 언어 모델(LLM)에 대한 우월한 대안을 제시합니다.

MidTool은 웹 데이터와 합성 API 감독을 결합하여 Qwen3 모델의 일반 도구 사용 능력을 크게 향상시키는 중간 훈련 파이프라인을 소개합니다.