研究者提出视觉原生多模态搜索智能体训练框架ODE

Shijue Huang等作者提出名为 On-policy Data Evolution（ODE）的框架，用于训练视觉原生多模态深度搜索智能体。该框架以图像库引用协议为核心，让工具返回的中间图像可被后续工具复用；训练数据则由当前策略的 rollout 逐轮迭代生成，形成闭环数据生成器。 据作者描述，ODE 的数据生成器会基于正在训练的策略的 rollout 在多轮中自我改进。目前该工作以预印本形式发布，尚未见经同行评审验证的效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。