OpenVLHarness 多模态推理框架论文发布

Yu Zhou 等作者发布论文，提出多模态推理框架 OpenVLHarness，它围绕能力层与持久多模态记忆组织，让模型通过异构工具获取图像、结构化数据和网络引用，并在推理中复用。 论文称，在 22 个基准、8 个开源与闭源骨干模型上，其平均分比匹配的无工具基线提升 9.7–12.6 分，其中 Qwen3-VL-8B 提升 11.2 分、Kimi K3 提升 9.7 分、GPT-6 Astra 提升 9.9 分。论文还称，在 GPT-6 Luna 以中等推理强度运行时，OpenVLHarness 的得分比该模型、Codex 和 Visual Sketchpad 以最高强度运行时高 7.7–8.5 分，且最多只消耗它们 37% 的模型 token 成本。上述结果均为论文作者报告。 这些提升和成本对比都来自作者在指定基准和模型上的评测，尚无独立复现。

AI 根据报道生成 · 13 小时前更新