热点事件持续更新
研究团队提出多模态深度搜索框架MTA-Zero
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月27日，相关研究团队在arXiv公布了多模态深度搜索框架MTA-Zero。该框架提出在线QA-Solver协同训练机制，无需预先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。在技术实现上，框架借助Goldilocks奖励机制聚焦求解器的学习边界，并采用独立GRPO算法优化两套策略。实验结果显示，在6个基准测试中，该框架将Qwen3-VL-8B的平均准确率从36.91%提升至51.58%（比肩GPT-5水平），并将Qwen3.6-27B的平均准确率提升了10.82个百分点。
AI 根据报道生成 · 4 小时前更新
最新进展10月27日 12:00
研究团队提出MTA-Zero协同训练框架，显著提升了开源模型在多模态深度搜索基准上的表现。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 自然语言处理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 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。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。