EviRover：让视觉感知超越一眼，用智能体强化学习解决证据不足的感知问题

EviRover 是首个显式训练通过交互解决感知查询的感知智能体，采用监督微调加智能体强化学习，并配套发布 EviRover-SFT-5K、EviRover-RL-12K 数据集与 688 条实例的 EviLens 基准。4B 版本在 EviLens 上平均超越其骨干模型 30 分，达到先进闭源模型水平，并在 BrowseComp-VL 上提升 15 分。代码、模型与数据均已开源。