MTA-Zero提出在线QA-Solver协同训练框架

2026年10月27日，arXiv发布论文介绍MTA-Zero框架。该在线多模态QA-Solver协同训练框架无需预计算语料库，即可实现多模态深度搜索智能体的自我改进。 框架核心机制为通过可训练的QA生成器在线构建验证过的多跳问题。其奖励机制基于Solver的组别成功率计算Goldilocks奖励，从而将学习焦点锁定在算法当前的能力前沿。 在优化策略上，该框架采用GRPO算法对QA生成器与Solver的策略进行独立优化。这种协同训练方式旨在提升多模态深度搜索任务的解决效率与准确性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。