Making Every Tool Call Count: Necessary Tool-Evidence Path Rewards for Agentic Vision-Language Models
arxiv.org原文 ↗
NTEP 标注每个问题真正需要的外部证据及其工具路径，NTEP-R 同时奖励调用前目标和调用后信息摘要，并惩罚已满足目标的重复调用。七个图像基准上的 NTEP-8B 在统一三工具框架中同时提升搜索准确率与调用效率，补上了只看最终答案导致的证据获取盲区。
–浏览
评论 · Comments