VisualCoding

VisualCoding框架通过可复用技能增强AI视觉推理能力

研究人员开发了VisualCoding，一个旨在通过学习和复用可执行技能来增强AI代理视觉推理能力的新颖框架。该方法结合了执行引导的视觉程序获取和直接采用其适用于输入答案的方式，旨在减少错误和幻觉。在四个模型和四个基准上的评估表明，VisualCoding显著提高了准确性，在使用其获取的工件与一个较小的模型配合时，准确性比基线提高了高达14.78个百分点。