**OpenVLHarness：具备多模态记忆与工具调用的现实世界视觉智能体框架**

_OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory_

> 针对多模态大模型在视觉推理中缺乏外部证据的痛点，OpenVLHarness 提出了一种新型框架，通过能力层与持久多模态记忆层，整合异构工具并实现证据的可解释性与跨步骤保留。该框架在 22 项基准测试中显著优于无工具基线，平均提升 9.7-12.6 分，且以远低于主流模型的推理成本实现了性能突破。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.26860)