标签
本文提出 VHop，一个面向多步视觉检索的数据生成框架与基准，以及 VHop-Router——一个在视觉隐空间中运行、经过端到端训练的自回归多步检索器，将检索成功率从不足 5% 提升至 76.3%，使智能体搜索成功率提高 52.7%，同时大幅减少 token 消耗与 API 载荷。