arXiv 论文提出 OpenVLHarness：持久多模态记忆增强视觉智能体异构工具调用

OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory 针对多模态大模型在视觉推理中依赖外部工具但难以有效整合的问题，研究人员提出 OpenVLHarness 框架。该架构通过统一工具接口与地址化多模态持久记忆，在 22 项基准测试中使 Qwen3-VL、GPT-6 Astra 等开源和商业基座模型平均提升 9.7 至 12.6 分；在 GPT-6 Luna 中等推理强度下，其模型 token 成本最多为对比方案的 37%。