热点事件持续更新
研究人员提出SSR框架降低多模态搜索推理延迟
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
2026年10月15日，Apple Machine Learning Research 提出基于选择的结构化推理（SSR）框架，用于构建高效的多模态搜索智能体。该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中进行选择，无需额外的辅助任务头，并能够通过共享 KV cache 实现并行打分。在 2B 与 4B 模型以及 7 个多模态搜索基准评测中，SSR 在保持与同规模领先搜索智能体相当的平均成功率的同时，将每轮推理延迟降低超过 90%，使每题模型总推理延迟减少了 28% 至 54%。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 08:00
研究团队提出SSR框架，在保持多模态搜索成功率的同时显著缩短推理延迟。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- Apple Machine Learning Research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%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。