**VisualClaw：面向物理世界的实时个性化智能体**

_VisualClaw: A Real-Time, Personalized Agent for the Physical World_

> VisualClaw 是一种自进化的多模态智能体，通过混合编码和技能进化降低部署成本并提升准确性。在多个视频问答基准上，它将单次查询成本平均降低 98%，准确率平均提升 3.85%，在 EgoSchema 上最高提升 15.80%。同时，它针对智能体任务构建了 VisualClawArena 基准，在宏准确率上比无进化基线提升 2.9%-3.2%，成本降低 9.5%。该框架特别适合边缘应用，可将一小时的流式会话从 3600 次 API 调用降至 5-20 次，实现个性化助手。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-16 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.16295)