ProMMSearchAgent：一种通过面向过程奖励训练的通用多模态搜索智能体

针对知识密集型视觉推理中基于结果的监督极度稀疏及实时网络环境不可预测的问题，本文提出了 ProMMSearchAgent。该研究建立了一种新颖的多模态搜索“模拟到真实”训练范式，将策略学习解耦至确定的本地静态沙箱中。核心创新在于提出了一种内省式的面向过程奖励机制，通过探测智能体自身的参数知识边界生成密集的行为元数据，仅在视觉或事实不确定时触发搜索。实验表明，该本地训练策略可零样本迁移至实时 Google 搜索 API，并在多个基准测试中取得最先进性能。