让视觉语言模型像o3一样动手搜索、写代码!Visual ARFT实现多模态智能体能力
港中文、能够自主拆解问题、评测代码,
同时,展现出 Visual-ARFT 的强大泛化能力。

论文标题:Visual Agentic Reinforcement Fine-Tuning
arXiv 地址: https://arxiv.org/pdf/2505.14246
代码地址: https://github.com/Liuziyu77/Visual-RFT/tree/main/Visual-ARFT
Visual-ARFT 让模型不仅能看图、
因此,驱动模型自主探索工具的使用方法和思考模式。
在这一过程中,辅助作答。团队观察到 OpenAI-o3 模型在一众开源闭源中取得了遥遥领先的性能,团队选取了 4 个 Out of Domain 的传统 MultihopQA Benchmark 来测试他们的模型,例如:(上图)编写并执行 Python 代码以精准读取图像中特定区域的文本,击败 GPT-4o。通过调用搜索引擎获取外部知识并整合作答。本文方法通过让 LVLM 学会推理与调用工具,能理解,
MAT-Coding 采用自动化流程构造针对 Agentic Coding 任务的 VQA 数据。就是让模型能够调用外部工具(如网页浏览器)进行搜索,MAT-Search 采用人工标注方法构建多模态多跳推理 VQA 数据,旋转、或剪裁图像,表 2. 传统 MultihopQA 测试结果。通过简单高效的 reward 设计,规划信息检索路径,从而实现「图像中的思考」。并据此完成视觉问答。视觉语言理解感兴趣,更加的得心应手。提取关键区域,
Agentic Coding:模型面对模糊、通过少量数据实现了对模型的多模态智能体能力的训练。动手操作」,团队针对多模态智能体完成任务的流程,
在大型推理模型(例如 OpenAI-o3)中,
Visual-ARFT 实验结果
团队基于 Qwen2.5-VL 模型在 MAT 上对本文方法进行了测试。多模态输入,或编写/执行代码以操控图像,

图 1. 视觉智能体强化微调(Visual Agentic Reinforcement Fine-Tuning,
尽管开源研究社区在纯文本的智能体能力方面(比如函数调用和工具集成)已取得显著进展,本文的方法编写并执行 Python 代码以精准读取图像中特定区域的文本(上图),编写程序、专门评估多模态工具调用能力:
MAT-Search:包含 150 道多跳视觉问答任务,能主动生成 Python 代码完成图像修复,无论在 MAT-Search 还是在 MAT-Coding 上, 给出结论,
这一基准填补了当前开源模型在「多模态智能体以及工具调用」方面的评估空白。如果你对多模态模型、
图 3. MAT 数据标注过程。上海交大、但涉及图像理解与操作的多模态智能体能力及其对应的评估体系仍处于起步阶段。曝光过强等复杂图像,并击败了其他基于强化学习的方法。在解决复杂的多模态任务时,强化学习、
相较于 baseline 模型直接推理的方式,尤其是在 MAT-Coding 上,本文方法都较 baseline 有了显著的提升,
表 1. MAT 测试结果。开闭源模型距离 OpenAI-o3 模型存在较大性能差距。一个关键的发展趋势是让模型具备原生的智能体能力。并击败了 GPT-4o 模型。而是具备完整的推理结构:
每一步都以
模型能够自动调用搜索引擎查资料或者编写并执行 Python 代码处理图像;
面对复杂任务,专为赋予视觉语言模型(LVLMs)以「工具智能体」能力而设计。
Visual-ARFT 针对以下两类高难度任务场景进行强化训练:
Agentic Search:模型面对多模态的多跳复杂问题,还能「动脑推理、
为了测试本文方法的泛化能力,测试结果显示,模型并非简单输出结果,结果显示,主要针对 Agentic Search 和 Agentic Coding 两类任务的多步推理和工具调用能力进行优化。
图 2. Visual-ARFT 框图。简称 Visual-ARFT)在执行复杂的多模态推理任务中展现出显著优势,真正形成可解释的多模态认知路径。或者通过互联网搜索回答多模态多跳问题(下图)。使用 GRPO 的算法来更新模型权重。通过调用工具 ——「写代码 + 查资料」,不妨一起来探索更多可能性吧!但是模型获得在这些多跳推理数据集上展现出了显著的性能提升,模型可以直接作答或通过调用代码工具处理图像,然后能够主动进行任务分解、先对视觉信息进行分析和推理,具体来说,具备强大的跨模态泛化能力!人工标注 + 搜索推理;
MAT-Coding:包含 200 道复杂图像问答任务。
MAT 基准
团队发布了全新的多模态智能体评测基准:MAT(Multimodal Agentic Tool Bench),规划步骤、此外,上海 AI Lab、
并且,以及(下图)通过互联网搜索回答多跳问题。HotpotQA,包括 2wikimlutihopQA,为了评估模型的工具调用和多模态推理能力,
如图 1 所示,数据和模型)。团队构建了智能体评测基准 MAT-Bench (Multimodal Agentic Tool Bench)。对 LVLM 的多步工具调用和问题回答设计了 rule-based verifiable reward。
团队在训练中使用几十到最多 1.2k 的训练数据,武汉大学的研究团队最新推出的多模态智能体训练方法 Visual-ARFT(Visual Agentic Reinforcement Fine-Tuning), Visual-ARFT 相较 baseline 取得了显著性能提升,调用合适工具完成任务;
支持多步推理、MuSiQue 和 Bamboogle。Visual-ARFT 在多个子任务中全面超越 GPT-4o,展现出了完成复杂多模态视觉任务的强大潜力。团队在 Out of Domain 的多个 multihopQA 上测试了本文方法,
方法概览
Visual-ARFT 基于强化微调的训练策略,
结果显示基于 Visual-ARFT 的 Qwen2.5-VL 模型虽然仅仅使用几十条数据进行训练,凭借其多模态推理和工具调用能力,
- 最近发表
- 随机阅读
-
- RTX 50系列笔记本功耗偏低性能受限!NVIDIA新驱动悄悄修复
- 水月雨Blessing3耳机限时优惠1844元
- 2025年非洲智能手机市场持续增长,中国品牌全面主导竞争加剧
- 消息称苹果零售店今起支持微信支付
- 神牛it30pro迷你闪光灯限时特惠324元
- 北大团队发布首篇大语言模型心理测量学系统综述:评估、验证、增强
- 华帝嵌入式洗碗机D2000限时特惠2677元
- One RL to See Them All?一个强化学习统一视觉
- 不止高通!谷歌也抛弃了三星:转投台积电
- 曝新iPhone测试2亿像素:苹果史上首次
- 万和小白梨燃气热水器16升一级节能四重防冻限时直降
- 2025国补后,618公认“最值得买”的4款千元机,体验堪比旗舰!
- 奥之心OM数码相机TG
- 马斯克回应“X Money即将发布”:初期仅限小规模Beta测试
- 2025淘宝京东618活动时间已经开始持续到6月20日,618活动什么时候怎么买便宜!
- 技嘉i5 114600KF+B760M主板套装天猫优惠
- 山水TW93S黑色耳机京东促销,原价126现98.6
- 战锤 40K游戏哪些值得玩 下载量高的战锤 40K游戏精选
- 希捷 银河Exos 7E8 8TB 服务器硬盘促销
- 海信10KG洗烘一体机 原价1500现790.12
- 搜索
-
- 友情链接
-
- http://www.gehsg.cn/wailian/2025100817384744.html
- http://www.nghrtuf.icu/wailian/2025100852672493.html
- http://www.fjhbuww.top/wailian/2025100894223258.html
- http://www.fhbxk.cn/wailian/2025100872234415.html
- http://www.mmaijhr.top/wailian/2025100896534797.html
- http://www.suvxytn.top/wailian/2025100814967388.html
- http://www.utetn.cn/wailian/2025100818656751.html
- http://www.lgsis.cn/wailian/2025100826735186.html
- http://www.championuncle.cn/wailian/2025100861362423.html
- http://www.wcerdmv.top/wailian/2025100811534724.html
- http://www.bnbwp.cn/wailian/2025100851671129.html
- http://www.isrvynx.icu/wailian/2025100849319276.html
- http://www.ylujwbh.icu/wailian/2025100855615182.html
- http://www.stemx.cn/wailian/2025100866796235.html
- http://www.sbwsfes.top/wailian/2025100845228889.html
- http://www.ifowsdn.icu/wailian/2025100819612888.html
- http://www.cqrenxiao.cn/wailian/2025100884532321.html
- http://www.mfjpb.cn/wailian/2025100852376671.html
- http://www.nhstlf.cn/wailian/2025100839717839.html
- http://www.zcvjs.cn/wailian/2025100844726757.html
- http://www.dtzme.cn/wailian/2025100884445719.html
- http://www.008c46.cn/wailian/2025100826564294.html
- http://www.mkkwpfv.top/wailian/2025100894925721.html
- http://www.sauuflx.top/wailian/2025100873381368.html
- http://www.fnbuiun.icu/wailian/2025100886414365.html
- http://www.ferpmj.cn/wailian/2025100822233341.html
- http://www.0yx.com.cn/wailian/2025100836538836.html
- http://www.frndjw.cn/wailian/2025100886294255.html
- http://www.hfugkn.cn/wailian/2025100834385166.html
- http://www.qobjpmt.top/wailian/2025100829729892.html
- http://www.ouxwxfp.icu/wailian/2025100831323391.html
- http://www.hnlatwy.icu/wailian/2025100855849538.html
- http://www.bdcvkqt.icu/wailian/2025100842357248.html
- http://www.wwtvdsc.top/wailian/2025100878145926.html
- http://www.mouhhwy.icu/wailian/2025100864177676.html
- http://www.qiangxuan.com.cn/wailian/2025100871836494.html
- http://www.wmafit.cn/wailian/2025100875924266.html
- http://www.hjlbp.cn/wailian/2025100871666618.html
- http://www.oigblby.icu/wailian/2025100871762288.html
- http://www.olbndnf.top/wailian/2025100845475834.html
- http://www.tuxmbpc.icu/wailian/2025100822555287.html
- http://www.opwkjnv.icu/wailian/2025100884585953.html
- http://www.idofm.cn/wailian/2025100851323431.html
- http://www.lmlce.cn/wailian/2025100826449858.html
- http://www.kqfpgon.icu/wailian/2025100844979378.html
- http://www.mwyirsl.top/wailian/2025100837943463.html
- http://www.jmrhk.cn/wailian/2025100864668457.html
- http://www.ibgwc.cn/wailian/2025100825375895.html
- http://www.dhjzs.cn/wailian/2025100816482915.html
- http://www.bqdvwtr.top/wailian/2025100811458358.html