Multimodal Agent Evidence State Task Planning QA System
摘要

针对全模态证据稀疏分布导致难以追踪 grounding 状态的问题,本文提出 Omni-Decision。这是一种无需训练的 evidence-state 系统,将问答转化为查询范围的证据闭环过程。该系统维护包含确认证据、未决冲突及依赖关系的结构化状态,以此条件化规划、获取、验证及修复步骤。通过确定性状态更新整合异构观测,实现定向证据获取与可控停止。实验显示其在 OmniGAIA 和 WorldSense 基准上显著优于基线,证明了显式证据状态控制在多步推理中的关键作用。

AI 推荐理由

论文提出基于证据状态的规划系统,核心在于条件化规划、任务分解及停止机制。

研究机构
中国科学院神经科学研究所 中国科学院大学 阿里巴巴集团
论文信息
作者 Ming Ma, Yi Zhu, Yiran Zhong, Feida Zhu, Weigao Sun et al.
发布日期 2026-07-13
arXiv ID 2607.11433
相关性评分 9/10 (高度相关)