论文页面 - Struct-Searcher：基于结构化思维的智能体推动多模态深度信息检索

来源：https://huggingface.co/papers/2606.07689

摘要

Struct-Searcher 引入了一种基于信念修正理论的结构化智能体工作流，用于多模态信息检索，相比现有视觉语言模型和深度研究智能体，显著提升了准确性。

深度研究智能体 (https://huggingface.co/papers?q=Deep%20research%20agents) 因其能够大规模收集在线信息以获取目标知识而受到越来越多的关注，近期研究方向已从纯文本信息检索转向多模态场景。然而，现有的智能体工作流大多与证据积累模型 (https://huggingface.co/papers?q=evidence%20accumulation%20models) 保持一致，这些模型线性地聚合证据，缺乏处理跨异质模态矛盾信息的原则性机制。为此，我们提出 Struct-Searcher，一种基于信念修正理论 (https://huggingface.co/papers?q=belief%20revision%20theory) 的结构化智能体工作流 (https://huggingface.co/papers?q=structural%20agentic%20workflow)，该工作流在整个推理过程中显式维护一个不断演变的多模态结构图 (https://huggingface.co/papers?q=multimodal%20structural%20graph)，从而能够实现有效的冲突感知型多模态深度信息检索。在多个基准数据集和骨干模型上的广泛实验表明，Struct-Searcher 具有以下特点：(1) 即插即用且与模型无关，在 BrowseComp-VL 上使用五种不同骨干模型时，平均相对准确率提升了 17.2%；(2) 性能领先，一致性地优于最先进的视觉语言模型 (https://huggingface.co/papers?q=vision-language%20models) (VLM) 和深度研究智能体 (https://huggingface.co/papers?q=deep%20research%20agents)，在 MM-BrowseComp、HLE-VL 和 BrowseComp-VL 上相较于次优方法，相对准确率分别提升了 3.7%、1.5% 和 0.7%。

查看 arXiv 页面 (https://arxiv.org/abs/2606.07689)查看 PDF (https://arxiv.org/pdf/2606.07689)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.07689)

引用该论文的模型0

暂无模型关联该论文

请在模型 README.md 中引用 arxiv.org/abs/2606.07689 以在此页面建立链接。

引用该论文的数据集0

暂无数据集关联该论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.07689 以在此页面建立链接。

引用该论文的 Space0

暂无 Space 关联该论文

请在 Space README.md 中引用 arxiv.org/abs/2606.07689 以在此页面建立链接。

包含该论文的收藏集0

暂无包含该论文的收藏集

请将该论文添加到收藏集 (https://huggingface.co/new-collection) 中以在此页面建立链接。