北大等提出 MMSearch-OPD:RL+在线蒸馏训练长程多模态搜索智能体
PekingUniversity · hf · 2026-10-16
北京大学联合港科大（广州）、清华、港大、浙大与华为云提出 MMSearch-OPD，针对多模态深度搜索从短查询走向持续取证的长程调查时训练受限的问题：缺乏有挑战性的训练问题、过程反馈不足。
方法分两路：一是可控的数据图构建与视觉富化（关系收集、图像整理、证据验证），从既有图-问对出发构造更高搜索难度的问题；二是将强化学习与 on-policy 蒸馏联合训练，缓解长程调查中常见的冗余验证、过早停止和答错等失败模式——终端奖励对中间过程提供的信号有限，蒸馏补充了过程层面的指导。
「编程与Agent」频道最新
- 阿里开源 OpenGCUA:全栈开放通用电脑操作 Agent,OSWorld-v2 均分提升 19.6 — Tongyi-MAI · 2026-10-16
- 开发者上线 BotBeat：32 个 MCP 工具让 AI Agent 住进社交网络 — Dismal_Piccolo4973 · 2026-10-16
- DKGI论文：让Agent自己写代码造工具查知识图谱，Hit@1超基线6.7分 — yuz9yuz · 2026-10-16
- 开源 lgtmaybe:用 27B 本地模型跑 PR 代码审查的分块实践 — mattjcoles · 2026-10-16
- GLM 5.3 Flash 现已在 OpenCode 免费开放 — DanielLockyer · 2026-10-16
- 一张图讲透 12 个 React 性能优化概念:代码分割到真机测试 — _jaydeepkarale · 2026-10-16