arXiv · AI· Zhihan Yin, Ruyi Li, Chengyu Fang, Yifeng Yao, Nonghai Zhang, Pengfei Xiong, Terry Zhang, Huishuai Zhang, Dongyan Zhao·· 8 小时前AI 评分34
ModalSearcher：将视觉证据融入自主跨模态深度搜索
ModalSearcher: Weaving Visual Evidence into Autonomous Cross-Modal Deep Search
AI 导读
ModalSearcher 通过强化学习在实时 Web 环境中训练，提出自主跨模态搜索能力，平均准确率比 Qwen3-VL-8B 提升 16.2 分。 该 Agent 在五个多模态知识密集型问答基准上表现一致提升，并可处理跨模态多跳任务。 研究为构建能动态切换模态、主动引入视觉证据的智能体提供了可扩展路径。 ```
来源：arXiv · AI · arxiv.org