VISTA-Gym: Skalierbares Training für Tool‑Reasoning in Vision‑Language‑Modellen
Vision‑Language‑Modelle (VLMs) verstehen Bilder bereits sehr gut, aber ihre Fähigkeit, komplexe visuelle Aufgaben Schritt für Schritt zu lösen, ist noch begrenzt. Mit VISTA‑Gym wird ein neues, skalierbares Trainingsumfe…