arXiv 自然语言处理· Xiangyu Peng, Jiaxin Zhang, An Yan, Yu Li, Ran Xu, Zeyuan Chen, Chien-Sheng Wu·· 5 小时前AI 评分42
MTA-Zero：通过在线 QA-Solver 协同训练实现多模态深度搜索的自我提升
MTA-Zero: Self-Improving Multimodal Deep Search via Online QA-Solver Co-training
AI 导读
MTA-Zero 提出在线 QA-Solver 协同训练框架，无需预构建多跳语料库即可实现多模态深度搜索智能体的自我提升。框架借助 Goldilocks 奖励聚焦求解器学习边界，并采用独立 GRPO 优化两套策略。在 6 个基准测试中，它将 Qwen3-VL-8B 平均准确率从 36.91% 提升至 51.58%（比肩 GPT-5），并将 Qwen3.6-27B 提升 10.82 个百分点。
来源：arXiv 自然语言处理 · arxiv.org