学术发现 · 多模态
视觉 Agent 不该逢题必调工具：Beacon 学习何时调用、调用什么
30 秒速览
Beacon 从两个维度重新审视视觉 Agent 的工具使用：模型能否识别何时真的需要工具，以及调用工具后是否真正改善结果。目标是避免为了展示 Agent 流程
完整摘要
Beacon 从两个维度重新审视视觉 Agent 的工具使用：模型能否识别何时真的需要工具，以及调用工具后是否真正改善结果。目标是避免为了展示 Agent 流程而无差别地增加调用步骤和计算开销。
怎么做的 / 核心机制
把视觉 Agent 的工具使用拆成两层决策：先判断当前问题是否真的需要工具，再选择具体工具；调用后则检查工具是否实际提升了答案，而不是只统计调用次数。
关键结果 / 已披露进展
核心结论是“会调用工具”不等于更强，选择性调用能减少无效链路、计算和误差。当前公开摘要没有列出所有基准上的具体增益，因此更适合视为评测与路由思路。
为什么值得看
很多 Agent 工作把“会调用工具”本身当作能力，但真正有价值的是选择性调用并带来可测收益。这项工作把工具使用从形式上的复杂轨迹拉回到任务成功率和成本。
局限与判断
效果会依赖工具库、路由监督和任务分布。面对新工具、失效工具或开放环境时，“何时调用”的判断可能明显退化。
原始标题：Beacon: Knowing When and How to Perform Agentic Visual Reasoning
编辑：GPT · 2026-08-02 · 质量评分 84/100
编辑：GPT · 2026-08-02 · 质量评分 84/100