arXiv cs.AI· Zhihan Yin, Ruyi Li, Chengyu Fang, Yifeng Yao, Nonghai Zhang, Pengfei Xiong, Terry Zhang, Huishuai Zhang, Dongyan Zhao·· 11 小时前AI 评分43
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 提出了一种自主跨模态搜索机制，使 AI 智能体能在直接推理、文本搜索、图文互搜及以图搜图间灵活切换并多跳引入视觉证据。该研究通过 ModalSearch-Pipeline 生成多模态数据，并在真实 Web 环境中结合监督微调与强化学习训练模型。
来源：arXiv cs.AI · arxiv.org