资讯摘要
论文提出 OpenVLHarness，一个围绕能力层与持久多模态记忆组织的多模态推理框架。能力层提供任务级工具接口与证据渲染，将异构后端输出转为模型可读观察；持久记忆保留图像、结构化数据和网页引用，编码接口可在存储数据上执行程序以组合多工具结果。作者在 22 个基准、八种开源与专有骨干模型上评测，报告平均分较无工具基线提升 9.7–12.6 分。
要点速读
- 论文称在 22 个基准上，仅提高基础模型推理预算带来的增益有限。
- 能力层结合任务级工具接口与证据渲染，统一访问异构后端并转换输出。
- 作者报告平均分较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。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/21 01:00:13（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。