arXiv · NLP· Shijue Huang, Hangyu Guo, Guanting Dong, Chenxin Li, Junting Lu, Xinyu Geng, Zhaochen Su, Zhenyu Li, Shuang Chen, Hongru Wang, Yi R. Fung·· 8 小时前AI 评分41
ODE：面向视觉原生多模态深度搜索智能体的在线策略数据演化框架
Towards On-Policy Data Evolution for Visual-Native Multimodal Deep Search Agents
AI 导读
ODE框架提出图像库引用协议，使中间视觉证据可被后续工具复用，并通过闭环数据生成器实现SFT和RL数据策展。 该框架支持在线策略数据演化，每轮从被训练策略的rollouts中提炼数据。 在8个多模态深度搜索基准测试中，Qwen3-VL-8B智能体平均准确率从24.9%提升至39.0%，30B模型从30.6%提升至41.5%。
来源：arXiv · NLP · arxiv.org