arXiv · NLP· Xiangyu Peng, Jiaxin Zhang, An Yan, Yu Li, Ran Xu, Zeyuan Chen, Chien-Sheng Wu·· 3 小时前AI 评分34
MTA-Zero：通过在线 QA-Solver 协同训练实现多模态深度搜索自改进
MTA-Zero: Self-Improving Multimodal Deep Search via Online QA-Solver Co-training
AI 导读
研究团队提出在线多模态 QA-Solver 协同训练框架 MTA-Zero，无需预计算语料库即可实现多模态深度搜索智能体的自我改进。 该框架通过可训练的 QA 生成器在线构建验证过的多跳问题，并基于 Solver 的组别成功率计算 Goldilocks 奖励以聚焦学习前沿，使用 GRPO 独立优化两者策略。
来源：arXiv · NLP · arxiv.org