我们引入了MM-ToolSandBox ，这是一个针对视觉接地工具调用代理的基准和评估框架。该框架提供了一个跨越16个应用领域的500多个工具的有状态执行环境，支持多图像、多回合任务，其中代理必须将逐渐到达的可视输入接地到可执行工具调用中，同时处理逼真的会话现象（ goa

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.11818v1)获取最准确的信息。

---
🔗 **原文链接**: [MM-ToolSandBox: A Unified Framework for Evaluating Visual To](https://arxiv.org/abs/2607.11818v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Kaixin Ma, Di Feng, Alexander Metz, Jiarui Lu, Eshan Verma, Afshin Dehghan

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-14 22:02