工具调用推理

以编程视觉思考：迈向用图像思考的统一视角

Thinking with Programming Vision: Towards a Unified View for Thinking with Images

把「生成代码调用任意图像操作」作为统一工具接口，替代固定工具注册表，并用稠密过程奖励的强化学习训练多轮工具组合与运行时错误恢复；做视觉推理、工具增强 VLM 或多模态 agent 的工作可直接复用该框架与配套的朝向变化鲁棒性基准。