Agent0-VL : Exploration d'un agent auto-évolutif pour le raisonnement vision-langage intégrant des outils
Agent0-VL: Exploring Self-Evolving Agent for Tool-Integrated Vision-Language Reasoning
November 25, 2025
papers.authors: Jiaqi Liu, Kaiwen Xiong, Peng Xia, Yiyang Zhou, Haonian Ji, Lu Feng, Siwei Han, Mingyu Ding, Huaxiu Yao
cs.AI
papers.abstract
Les agents vision-langage ont réalisé des progrès remarquables dans diverses tâches de raisonnement multimodal ; cependant, leur apprentissage reste limité par les contraintes de la supervision annotée par des humains. Les approches récentes d'auto-récompense tentent de surmonter cette contrainte en permettant aux modèles d'agir comme leurs propres critiques ou pourvoyeurs de récompenses. Pourtant, l'auto-évaluation purement textuelle peine à vérifier des étapes de raisonnement visuel complexes et souffre souvent d'hallucinations évaluatives. Pour relever ces défis, inspirés par les progrès récents en matière de raisonnement intégrant des outils, nous proposons Agent0-VL, un agent vision-langage auto-évolutif qui réalise une amélioration continue via un raisonnement intégrant des outils. Agent0-VL intègre l'utilisation d'outils non seulement dans le raisonnement mais aussi dans l'auto-évaluation et l'auto-correction, permettant au modèle d'introspecter, de vérifier et d'affiner son raisonnement grâce à une analyse fondée sur des preuves. Il unifie deux rôles synergiques au sein d'un même modèle de langage visuel (LVLM) : un Solveur qui effectue un raisonnement multi-tours intégrant des outils, et un Vérificateur qui génère des retours structurés et des auto-récompenses granulaires via une critique fondée sur les outils. Ces rôles interagissent dans un Cycle de Raisonnement Auto-Évolutif, où la vérification basée sur les outils et l'apprentissage par renforcement alignent conjointement les distributions de raisonnement et d'évaluation pour une auto-amélioration stable. Grâce à cette évolution sans récompense externe, Agent0-VL aligne ses comportements de raisonnement et de vérification sans aucune annotation humaine ni modèle de récompense externe, réalisant ainsi une auto-amélioration continue. Les expériences sur la résolution de problèmes géométriques et l'analyse scientifique visuelle montrent qu'Agent0-VL obtient une amélioration de 12,5 % par rapport au modèle de base. Notre code est disponible à l'adresse https://github.com/aiming-lab/Agent0/Agent0-VL{this https URL}.
English
Vision-language agents have achieved remarkable progress in a variety of multimodal reasoning tasks; however, their learning remains constrained by the limitations of human-annotated supervision. Recent self-rewarding approaches attempt to overcome this constraint by allowing models to act as their own critics or reward providers. Yet, purely text-based self-evaluation struggles to verify complex visual reasoning steps and often suffers from evaluation hallucinations. To address these challenges, inspired by recent advances in tool-integrated reasoning, we propose Agent0-VL, a self-evolving vision-language agent that achieves continual improvement with tool-integrated reasoning. Agent0-VL incorporates tool usage not only into reasoning but also into self-evaluation and self-repair, enabling the model to introspect, verify, and refine its reasoning through evidence-grounded analysis. It unifies two synergistic roles within a single LVLM: a Solver that performs multi-turn tool-integrated reasoning, and a Verifier that generates structured feedback and fine-grained self-rewards through tool-grounded critique. These roles interact through a Self-Evolving Reasoning Cycle, where tool-based verification and reinforcement learning jointly align the reasoning and evaluation distributions for stable self-improvement. Through this zero-external-reward evolution, Agent0-VL aligns its reasoning and verification behaviors without any human annotation or external reward models, achieving continual self-improvement. Experiments on geometric problem solving and visual scientific analysis show that Agent0-VL achieves an 12.5% improvement over the base model. Our code is available at https://github.com/aiming-lab/Agent0/Agent0-VL{this https URL}.