基于选择的结构化推理（SSR）：面向高效多模态搜索智能体

研究人员提出基于选择的结构化推理（SSR）框架，将多模态智能体的开放式推理重构为从预设的高层推理候选集里进行选择，无需辅助任务头并通过共享 KV cache 实现并行打分。在 2B 与 4B 模型及 7 个多模态搜索基准评测中，SSR 保持了与同规模领先搜索智能体相当的平均成功率，同时将每轮推理延迟降低超过 90%，每题模型总推理延迟减少 28–54%。