论文页面 - MMSearch-OPD：让简单问题变难，让难题变得可学，面向长程多模态搜索智能体

来源：https://huggingface.co/papers/2610.22240 作者：

,

,

,

,

,

,

,

,

,

,

摘要

MMSearch-OPD 通过优化推理数据，并结合强化学习与同策略蒸馏进行联合训练，提升长程多模态搜索能力\。

多模态深度搜索 (https://huggingface.co/papers?q=Multimodal%20deep%20search)正在从简短查询转向持续获取证据的长程探究\。然而，此类智能体的训练仍受限于具有挑战性的训练问题不足，以及过程反馈不充分\。我们提出 MMSearch-OPD，将可控的数据优化与强化学习 (https://huggingface.co/papers?q=reinforcement%20learning)(RL) 和同策略蒸馏 (https://huggingface.co/papers?q=on-policy%20distillation)(OPD) 联合训练相结合\。我们的 Refine 流程针对源于现有简单多模态问题的推理链 (https://huggingface.co/papers?q=reasoning%20chains)进行定向扩展\。参数化变换在复用现有图像--问题对的同时，控制搜索深度和跨模态证据 (https://huggingface.co/papers?q=cross-modal%20evidence)要求\。在训练过程中，答案奖励和轻量级行为惩罚 (https://huggingface.co/papers?q=behavior%20penalties)引导 RL，而奖励差距则调节针对不完美学生轨迹的词元级教师指导 (https://huggingface.co/papers?q=token-level%20teacher%20guidance)\。指数衰减的蒸馏系数 (https://huggingface.co/papers?q=exponentially%20decaying%20distillation%20coefficient)随着训练推进而降低对教师的依赖\。实验表明，数据优化带来了性能增益，SFT 后的联合训练又进一步提升了性能，体现出更强的长程多模态深度搜索 (https://huggingface.co/papers?q=multimodal%20deep%20search)能力\。

查看 arXiv 页面 (https://arxiv.org/abs/2610.22240)查看 PDF (https://arxiv.org/pdf/2610.22240)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.22240)

在你的智能体中获取这篇论文：

hf papers read 2610\.22240

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型关联这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.22240，即可从本页面建立关联\。

引用这篇论文的数据集0

没有数据集关联这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.22240，即可从本页面建立关联\。

引用这篇论文的 Space0

没有 Space 关联这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.22240，即可从本页面建立关联\。

收录这篇论文的收藏集0

没有收藏集收录这篇论文

将这篇论文添加到收藏集 (https://huggingface.co/new-collection)，即可从本页面建立关联\。