VisGym：多模态Agent视觉交互环境集

VisGym是为多模态Agent准备的环境集合，包含17种视觉交互的长时程环境，支持评测、诊断以及为训练生成轨迹，环境可自定义、可扩展，面向多模态智能体研究者。工程采用Apache-2.0许可，提供官方代码与复现命令，相关论文于1月发布，数据与检查点另有发布入口。环境统一接口后，不同Agent可以在同一批任务上横向比较，生成的轨迹也能继续用于后续训练。