OpenVLHarness：用持久多模态记忆提升视觉智能体工具调用
OpenVLHarness是免训练的多模态推理框架，用能力层接入异构工具，并以持久记忆保存图像、数据和网页证据。它在22项基准、八种骨干上相对无工具基线平均提升9.7至12.6分。
要点
- 框架结合任务级工具接口、证据渲染、持久多模态记忆和代码计算，支持迭代获取并组合证据。
- 22项基准上，Qwen3-VL-8B、Kimi K3、GPT-6 Astra分别提升11.2、9.7、9.9分。
- GPT-6 Luna中等推理强度下，比最大强度的基座、Codex和Visual Sketchpad高7.7至8.5分，模型token成本至多为后者37%。
为什么值得看
仅增加基础模型推理预算增益有限；视觉任务需要外部感知、知识和数值测量，并把异构工具输出转成可跨步骤复用的证据。
谁会受影响
面向多模态模型研究者、视觉智能体开发者，以及需要结合感知、检索与计算的应用团队。
今天就能怎么试
公开代码、接入方式、价格和国内可用性均未知；论文日期为2026-10-19，当前未实测。
原始来源
1OpenVLHarness: Real World Visual Agentic Tool-Use with Multimodal Memory · Hugging Face Daily Papers · 2026年10月19日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。