Vision-as-a-Tool:面向多模态智能体编程的视觉工具框架
原文标题:Vision-as-a-Tool: Visual Harness for Multimodal Agentic Coding
导读
多模态智能体编程需要看懂代码运行后的视觉结果,Vision-as-a-Tool把视觉能力做成工具,让智能体能观察并评估自己生成的产物。
推荐理由
涉及多模态与智能体 · 与本主题相关
来源:arXiv cs.AI · arxiv.org
原文标题:Vision-as-a-Tool: Visual Harness for Multimodal Agentic Coding
多模态智能体编程需要看懂代码运行后的视觉结果,Vision-as-a-Tool把视觉能力做成工具,让智能体能观察并评估自己生成的产物。
涉及多模态与智能体 · 与本主题相关
来源:arXiv cs.AI · arxiv.org