跳到正文
热点事件持续更新

研究者提出SSR框架加速多模态搜索智能体

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究者 Feiyu Gavin Zhu 等人提出 Selection-based Structured Reasoning（SSR）框架，把多模态搜索智能体的推理从开放式生成改为从预设的可复用自然语言候选中选择，无需辅助任务头，并借助共享 context KV cache 并行打分。 在七个多模态搜索基准上，2B 和 4B 模型使用 SSR 后，每轮推理延迟降低超 90%，每题总推理延迟降低 28–54%，成功率与同规模领先搜索智能体相当。

AI 根据报道生成 · 4 小时前更新

最新进展10月12日 12:00
基于选择的结构化推理 SSR：面向高效多模态搜索智能体

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv cs.AI
    基于选择的结构化推理 SSR：面向高效多模态搜索智能体

    研究者提出 Selection-based Structured Reasoning（SSR），将多模态智能体的推理从开放式生成改为从预设可复用自然语言候选中选择，无需辅助任务头，并借助共享 context KV cache 并行打分。在七个多模态搜索基准上，2B 和 4B 模型使用 SSR 后每轮推理延迟降低超 90%，每题总推理延迟降低 28-54%，成功率与同规模领先搜索智能体相当。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月12日 13:00
近 24 小时变化
–

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。