RecodeX 重构消息，一项研究提出名为Visual Harness的视觉框架，用于提升多模态模型的组合泛化能力。研究指出，单纯扩大参数规模能提升视觉语言模型（VLM）答案的可靠性，但不会拓展其问题覆盖范围。Visual Harness通过调用图像工具拆解复杂视觉问题，从而扩大模型可处理的问题范围；但要同时兼顾准确率与稳定性，需要较高的算力支撑。