OpenVLHarness 通过多模态记忆和工具使用提升 MLLM 性能
为什么值得读 该框架通过将模型锚定于外部证据，解决了仅依赖内部推理的局限性，以更低 Token 成本带来显著性能提升。
OpenVLHarness 利用持久化记忆和异构工具集成，将多模态模型得分最高提升 12.6 分。
标签 · #tool-use
MidTool：通过中期训练增强智能体能力
为什么值得读 这项研究表明，专用的中期训练对于稳健的智能体工具使用至关重要，为仅依赖后训练方法的 LLM 提供了更优的替代方案。
MidTool 引入了一种中期训练流程，通过结合网络数据与合成的 API 监督，显著提升了 Qwen3 模型在通用工具使用方面的能力。