多工具协同

SenseSearch：通过强化学习赋能视觉语言模型的高分辨率智能体搜索推理

SenseSearch: Empowering Vision-Language Models with High-Resolution Agentic Search-Reasoning via Reinforcement Learning

提出通过强化学习让 VLM 自适应协调图像搜索、文本搜索和图像裁剪工具，解决高分辨率细粒度视觉理解问题；其 BN-GSPO 算法和 HR-MMSearch 基准可直接用于多模态智能体训练与评测。