PyVision-RL：通过强化学习构建开放型智能视觉模型

agentic 多模态模型的强化学习往往 suffers from interaction collapse，即模型学习减少工具使用和多轮推理，从而限制了 agentic 行为的优势。我们引入 PyVision-RL，一个用于开放权重多模态模型的强化学习框架，通过 oversampling-filtering-ranking rollout 策略结合 accumulative tool reward 来防止 collapse 并鼓励多轮工具使用。使用统一的训练管线，我们开发了 PyVision-Image 和 PyVision-Video 用于图像和视频理解。对于视频推理，PyVision-Video 采用按需上下文构建，selectively 采样任务相关帧以显著减少视觉 token 用量。实验表明，该方法表现出色且效率更高，证明 sustained interaction 和按需视觉处理对可扩展的多模态 agent 至关重要。