在线核验问题生成可为多模态深度搜索智能体提供持续改进的课程。
资讯摘要
论文提出 MTA-Zero，一种在线多模态问答-求解器协同训练框架，无需预构建多跳语料。系统从图像 VQA 种子上下文出发，由可训练 QA 生成器在线检索证据并构造经核验的多跳问题，再由独立的深度搜索求解器选择工具、收集证据并作答。作者用求解器分组 rollout 成功率设计 Goldilocks 奖励，使生成问题聚焦学习前沿，并以 GRPO 分别优化两个策略。
要点速读
- 论文提出 MTA-Zero，从图像 VQA 种子上下文在线生成并核验多跳问题，不依赖预计算多跳语料。
- 作者报告在六个多模态深度搜索基准上，Qwen3-VL-8B 求解器平均准确率从 36.91% 提升至 51.58%，同一智能体流程下与 GPT-5 表现相当。
- 同一框架使较新的 Qwen3.6-27B 求解器提升 10.82 个百分点；两策略用 GRPO 独立优化，不共享参数或梯度。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。