visual-tools

PenEcho集成了DeepSeek Harness，创建了一个AI代理，能够在画布上视觉化地创建和编辑内容，通过聊天增强用户交互，并提供专业的视觉输出工具。

本文介绍了ToolSciVer，这是首个面向多模态科学声明验证（MSCV）的工具增强框架。该框架为视觉语言模型（VLM）配备了类型感知的视觉工具，并使用GRPO训练策略，在SciVer和MuSciClaims数据集上，跨多个模型家族实现了卓越性能。

本文介绍了 CanvasCraft，一个用于复杂图像创建与编辑的大规模多模态工具使用数据集，以及 CanvasAgent，一个通过多轮交互和混合奖励优化来学习编排异构视觉工具的工具增强型多模态智能体。

斯坦福大学教授朱迪·范在麻省理工学院讨论人类如何通过视觉工具将不可见变为可见，并与AI在视觉理解上的局限性进行对比，她还展示了关于绘画、草图识别以及人类与GPT-4V等AI模型在图表阅读性能差距方面的研究。

DAIR Academy宣布举办一场免费的实时会议，主题是构建可视化LLM artifacts，使LLM知识库更具可操作性，同时还会介绍新工具和面向Pro成员的更新发布。