OpenVLHarness：带持久多模态记忆的视觉智能体工具调用框架

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，统一访问异构后端并将输出转为模型可读观测；持久记忆在各推理步骤间保留图像、结构化数据和网页引用。作者称在 22 个基准上的受控研究表明，仅提高基础模型推理预算收益有限，此类任务需要外部工具获取证据。

AI推荐理由 提出面向视觉智能体工具使用的 OpenVLHarness，包含能力层与持久多模态记忆，把异构工具输出转为模型可读观测并跨步骤保留图像、结构化数据和网页引用。基于 22 个基准的受控研究称单纯增加推理预算收益有限，为工具增强路线提供依据；摘要未给出具体提升幅度。