多轮轨迹采样

扩展智能体强化学习以提升视觉语言模型中的工具集成推理

Scaling Agentic Reinforcement Learning for Tool-Integrated Reasoning in VLMs

提供了一个可扩展的视觉智能体强化学习训练环境与标准化视觉工具接口，视觉研究者可复用其多轮轨迹采样与可验证反馈机制，训练 VLM 学会在推理中自主调用 grounding、parsing 等视觉工具，从而把「看图」变成多步交互式推理。