10月15日，来自北京大学、香港科技大学（广州）、清华大学、香港大学、浙江大学和华为云的研究者在arXiv发布预印本MMSearch-OPD，关注需要持续检索、反复获取证据的长周期多模态搜索任务。论文原文
这项工作试图解决两个问题：现有多模态搜索训练题目往往不够复杂，模型训练也缺少对中间过程的有效反馈。研究团队提出“Refine”数据改造流程，在已有图像—问题对的基础上，通过可控变换增加搜索深度、实体消歧和视觉证据要求，使原本较短的问题转化为需要多轮调查的任务。论文称，改造后的数据在四项测试中的表现均有提升，其中BrowseComp-V3提升15.0个百分点，但这些结果来自研究者设计的实验设置，不能直接等同于真实业务效果。
训练方面，MMSearch-OPD将强化学习与在线策略蒸馏结合。答案奖励和行为惩罚用于推动模型完成任务，教师模型则根据奖励差距对学生模型的部分生成轨迹提供逐词指导；随着训练推进，蒸馏系数逐步衰减，以减少学生对教师模型的依赖。该机制的重点不是单纯扩大模型规模，而是让模型学会在检索过程中持续获得、筛选并整合文字和图像证据。
论文在MMSearch、LiveVQA、BrowseComp-VL、MM-BrowseComp、MMSearch-Plus、BrowseComp-V3和VisBrowse-Bench等七项基准上测试。研究者报告称，9B版本平均准确率达到60.2%，比对应的Qwen3.5-9B智能体工作流高15.3个百分点；在监督微调基础上继续进行联合强化学习与在线蒸馏后，平均成绩再提高2.3个百分点。论文使用Qwen3.6-35B-A3B作为最终答案评判模型，并对每项预测评判三次后取平均，因此数字应理解为作者在特定基准和评测流程下报告的结果，而非独立复现实验。
这项工作的行业意义在于，多模态智能体的竞争重点可能从“能否看懂图片”转向“能否围绕复杂问题持续搜索并建立证据链”。不过，方法仍依赖基准题目设计、评判模型和搜索工具配置；其在开放网络、实时信息、来源冲突以及高风险决策中的稳定性，尚未由这篇预印本充分证明。
参考来源：
- MMSearch-OPD: Easy Made Hard, Hard Made Learnable for Long-Horizon Multimodal Search Agents 2026-10-15
由 AI 整理，仅供参考；请以原始来源为准。
