PyVision-RL：通过强化学习打造开放代理视觉模型

针对代理多模态模型在强化学习中常出现的“交互崩溃”问题（即模型倾向于减少工具使用和多轮推理），本文提出了 PyVision-RL 框架。该方法结合过采样 - 过滤 - 排序的展开策略与累积工具奖励机制，有效稳定训练并维持多轮交互。基于统一训练流程，开发了用于图像和视频理解的 PyVision-Image 与 PyVision-Video 模型。特别是在视频推理中，PyVision-Video 采用按需上下文构建策略，选择性采样任务相关帧，显著降低视觉 token 消耗。实验表明，该方法在性能与效率上表现优异，证明了持续交互与按需视觉处理对可扩展多模态代理的关键作用。