OpenVLHarness: 시각 에이전트에게 더 긴 생각보다 재사용할 근거를 준다
OpenVLHarness는 지각·검색 도구의 출력을 읽을 수 있는 근거로 바꾸고, 이미지·마스크·깊이 배열을 질문 안에서 재사용한다. 22개 벤치마크의 결과와 비용·재현성·배포 제약을 살펴본다.
Tag4 posts
#Multimodal Agents
글 목록
Video-DeepResearch는 ‘검색’ 전에 비디오 근거를 강제한다
Video-DeepResearch는 프레임 선택과 객체 crop 검색을 먼저 수행하게 한 뒤 웹 탐색을 풀어 주는 단계적 tool policy, SFT+GRPO 학습, 그리고 실제 시각 근거를 요구하는 VideoDR-Bench를 제안한다.
MMSkills는 시각 에이전트 스킬을 멀티모달 절차 기억으로 만든다
MMSkills는 SKILL.md 절차에 상태 카드와 시각 keyframe을 결합하고, 런타임에는 branch loading으로 필요한 증거만 검토하게 만드는 시각 에이전트용 멀티모달 스킬 프레임워크다.
OpenSearch-VL은 멀티모달 검색 에이전트를 재현 가능한 훈련 레시피로 바꾼다
OpenSearch-VL은 데이터 합성, 시각·검색 도구 환경, fatal-aware GRPO를 하나의 공개 레시피로 묶어 프론티어급 멀티모달 딥서치 에이전트를 재현하려는 시도다.