EviRover：通过强化学习让感知智能体超越单次观察

EviRover 将视觉感知建模为可交互获取证据的智能体过程，面向单次观察证据不足的细粒度或知识密集型查询。研究构建 EviRover-SFT-5K、EviRover-RL-12K 和含 5 类 688 个实例的人工验证基准 EviLens。4B EviRover 在 EviLens 平均比骨干模型高 30 分，BrowseComp-VL 提升 15 分，代码、模型和数据已发布。