**EviRover:通过强化学习实现超越单次感知的智能体视觉理解**

_EviRover: Reinforcing Agentic Perception Beyond a Glance_

> 针对单次视觉感知在细粒度细节和知识密集型场景下的局限性,HuggingFace 社区热门论文提出 EviRover。该模型将感知重构为智能体过程,通过监督微调与智能体强化学习训练,使其能通过交互获取额外信息以解决“证据不足”的感知查询。实验显示,4B 参数的 EviRover 在自建基准 EviLens 上比基座模型平均提升 30 分,性能媲美先进专有模型,并在 WebEyes 及 BrowseComp-VL 等通用多模态基准上取得显著增益。所有代码、模型和数据均已开源。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.40230)