Multimodal Agent Deep Search Chain-of-Thought Reinforcement Learning
摘要

本文提出 SimpleSearch-VL,一个高效、可靠且实用的多模态代理搜索框架。其核心理念在于优化代理自身的搜索与验证流程,而非单纯扩展数据或工具。在效率方面,引入因子化自适应 rollout(FAR)以提升采样效率;在可靠性方面,执行证据验证推理,显式利用思维链验证检索到的视觉与文本线索的相关性;在实用性方面,保持轻量级工具接口并在代理内部完成网页自总结。实验表明,仅需少量监督与强化学习数据,该框架即可显著超越基线模型,性能媲美顶尖闭源模型。

AI 推荐理由

论文核心提出证据验证推理机制,利用思维链评估检索内容相关性,显著提升多模态搜索可靠性。

研究机构
Southeast University Ant Group
论文信息
作者 Ming Dai, Zhihong Lu, Jinjie Gu, Jiedong Zhuang, Yefeng Liu et al.
发布日期 2026-06-30
arXiv ID 2606.31504
相关性评分 9/10 (高度相关)