本文提出基于图像库引用协议的视觉原生智能体框架与策略内数据演化方法(ODE),用于解决多模态深度搜索中的视觉状态复用与数据构建难题,在8个基准测试上显著提升了模型性能(Qwen3-VL-8B平均分从24.9%提至39.0%)。
机构:香港科技大学
来源:arXiv 2605.10832 | AI4Papers 论文推荐平台