arXiv Computer Vision· Binxiao Xu, Ruichuan An, Bocheng Zou, Weihua Du, Xinyu Wei, Hangyu Guo, YiFan Zhang, Renye Yan, Chengqi Duan, Hang Hua·· 20 小时前AI 评分30
ViewCraft：让多模态智能体协同进化所见证据与阅读方式
VIEWCRAFT: Evolving What Multimodal Agents See and How They Read It
AI 导读
ViewCraft 让多模态智能体在不更新模型权重的前提下，协同进化可执行的证据接口与阅读流程，接口负责筛选、变换和组织观察，阅读器解读生成的视图。在八个基准上，其任务得分较直接执行平均提升 6.1 分，且每个基准均有增益，在匹配输入 token 预算下优势依旧。在全部五个多源任务上，学到的接口比初始技能少用 8%-15% 的输入 token，学到的技能还能跨执行器迁移。
来源：arXiv Computer Vision · arxiv.org