Domingo 18 de octubre de 2026 ·
OpenVLHarness: un marco para que los modelos visuales usen herramientas externas y memoria multimodal
Investigadores presentan OpenVLHarness, un marco que da a los modelos multimodales acceso a herramientas heterogéneas, convierte sus resultados en observaciones legibles por el modelo y guarda imágenes, datos y referencias web durante cada consulta. Un intérprete de código ejecuta programas sobre esos datos almacenados. En 22 benchmarks, con ocho modelos abiertos y propietarios, mejora la media entre 9,7 y 12,6 puntos frente a versiones sin herramientas, con +11,2 en Qwen3-VL-8B, +9,7 en Kimi K3 y +9,9 en GPT-6 Astra.
Qué significa
Los modelos de visión que solo razonan internamente tienen límites en tareas que requieren pruebas externas. Con herramientas y memoria persistente, los sistemas agentes pueden buscar, medir y combinar evidencias de forma iterativa, algo útil para quien desarrolla agentes visuales.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Hugging Face Daily PapersLeer la noticia completa en Hugging Face Daily Papers
También ese día
Todas las noticias de IA del domingo 18 de octubre de 2026 ->