MMSearch-OPD：长程多模态搜索智能体训练方法

2026年10月16日，arXiv Computer Vision 收录 Huanyao Zhang 等作者提交的论文，提出 MMSearch-OPD 长程多模态搜索智能体训练方法。据该报道，MMSearch-OPD 将可控数据精炼与强化学习（RL）加同策略蒸馏（OPD）的联合训练相结合，以提升长程多模态深度搜索智能体的能力。其 Refine 流程对现有简单多模态问题的推理链做定向扩展，通过参数化变换控制搜索深度与跨模态证据需求，并复用已有图文对。训练中，答案奖励与轻量行为惩罚引导 RL，奖励差距调节 token 级教师指导，指数衰减蒸馏系数随训练降低教师依赖。目前报道仅介绍该方法的设计与训练机制，未提及实验结果、对比基线或代码发布等信息。

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。