这项由香港华文大学、北京大学、同济大学、清华大学、香港科技大学及LIGHTSPEED STUDIOS麇集开展的酌量，以预印本状貌发布于2026年6月5日，论文编号为arXiv:2606.07689，有酷爱潜入了解的读者不错通过该编号查询齐全论文。
当又名侦察接到一个案子，他并不会只盯着第一条陈迹就作念出判断。他会同期研究多种可能，麇集来自不同渠谈的凭据，当某条陈迹讲明某个嫌疑东谈主无辜时，他会玩忽划掉这个名字，接续追查委果的真相。酌量团队发现，现存的AI信息搜索系统赶巧穷乏这种智商——而他们遐想的新系统Struct-Searcher，恰是要让AI学会像优秀侦察一样念念考。
这个问题值得咱们得当对待。如今互联网上的信息不仅弘大，而且是委果道理上的"羼杂媒体"——笔墨、图片、视频交汇在一谈。当你问AI某栋建筑的建造年份，而你提供的图片暧昧到不错被识别为两种不同的地标时，一个只会"线性积攒陈迹"的系统就会从一出手就走错标的，而且越走越偏。这恰是现存"深度酌量"AI代理的中枢缺点。
酌量团队将现存系统的这种模式定名为"凭据积攒模子"——它就像一条活水线，只管不断访佛信息，碰到矛盾时莫得回头纠错的智商。Struct-Searcher的出现，恰是要透澈转换这条活水线，让它形成一张会自我更新的侦察推理板。
一、为什么现存的AI"侦察"老是跑错标的
要清醒这个酌量处置的问题，不错回到一个具体的侦察现场。假定你拿着一张老像片问AI："像片里这栋建筑是哪年建的？"像片里的建筑线条暧昧，既像巴黎埃菲尔铁塔，又像东京铁塔。现存的AI系统频繁会径直拍板认定一个身份——比如它认定这是埃菲尔铁塔——然后坐窝去搜索"埃菲尔铁塔建造年份"，得到"1887至1889年"这个谜底。
问题是，如若那张像片其实拍的是东京铁塔呢？正确谜底是1958年，整整差了七十年。更恶运的是，这种过失并不单是一步走错，而是像多米诺骨牌一样，第一块倒下之后，后头总共的判断皆随着坍弛。系统不会回头查验最初的身份识别是否正确，因为它的职责模式即是"上前走，不回头"。
酌量团队把这种模式的根柢弱势转头为"贯通僵化"——系统把麇集凭据这件事当成了一条只可单向行驶的单行谈，而不是一张不错随时根据新情况再行诡计道路的动态舆图。这在纯笔墨场景下影响还不算太大，但当图片、视频等多种媒体混入之后，不同媒体起头之间的信息可能相互矛盾，这条单行谈就透澈失灵了。
确切互联网上的信息原来即是这么充满矛盾的。一篇笔墨报谈可能宣称某款居品耐用性极佳，而一段用户实测视频却明晰地展示了居品的物理弱势。这种"跨模态突破"——来自不同媒体类型的信息相互打架——才是多模态深度信息搜索的委果难题。
二、侦察的推理板：Struct-Searcher的中枢念念路
Struct-Searcher的遐想灵感来自一套严谨的形而上学表面——由阿尔乔龙、加德福斯和麦金逊三东谈主在1985年共同建议的"AGM信念修正表面"。这套表面用来刻画一个感性个体在获取新信息时，应该如何更新我方的信念系统。这套表面的中枢精髓是：当新凭据与原有信念发生突破时，你需要有原则地削弱旧信念、吸纳新信念，而不是简便地堆砌信息或者古板地信守过失判断。
酌量团队把这套形而上学表面转动为了一张具体的"推理板"，他们称之为"多模态结构图"（MSG）。这张推理板上有四种类型的卡片。第一种是问题卡，纪录着用户最初建议的问题和提供的图片。第二种是酌量卡，把大问题拆解成多少个需要迟缓完成的小任务。第三种是假定卡，纪录着系统面前合计可能树立的各式料到——比如"这栋建筑可能是埃菲尔铁塔"和"这栋建筑可能是东京铁塔"会同期出当今推理板上。第四种是凭据卡，纪录着通过各式器具本质麇集到的信息片断。
这四种卡片之间通过五种关系线谀媚起来，分辩代表"判辨"、"生成"、"依赖"、"维持"和"反驳"。当一条新凭据维持某个假定时，对应的维持关系线就会被画上；当凭据与某个假定相矛盾时，反驳关系线就会把那张假定卡标志为"绝路"。总共这个词推理过程即是这张推理板不断被更新、不断被修剪、不断被完善的过程。
开云2026世界杯中国官网系统会不断向这张推理板发起四种操作。构建操作负责把问题拆解成酌量并开动化推理板；填充操作负责通过器具调用麇集凭据并添加到推理板上；考据操作负责查验每条凭据与各个假定之间的维持或反驳关系；修剪操作则负责把被证伪的假定过甚相关分支从推理板上透澈取销。最终，当推理板上只剩下一个经过考据、莫得任何突破的假定时，系统就用这个假定和维持它的总共凭据来生成最终谜底。
三、推理板的职责细节：信念是如何被更新的
清醒Struct-Searcher的运作方式，不错把它想象成一个十分严慎的侦察在办公室里整理案件文献的过程。
侦察在接案之初，会先在推理板上列出总共合理的嫌疑东谈主——也即是系统生成开动假定。这些假定不错是并行的，以致是相互竞争的。系统不会一出手就认定某一个正确，而是让总共可能性皆暂时存在于推理板上，恭候凭据的造就。
当凭据维持某个假定时，系统的"信念情景"会发生一次"彭胀"——对阿谁假定的信心加多，对应假定卡的置信度计数器会加多一格。当凭据反驳某个假定时，系统会发生一次"修正"——阿谁假定会被从现时信念集会中移除，其情景从"未考据"变为"已证伪"，总共与该假定相关的后续搜索任务皆会立即罢手。这是一个要道遐想：系统不会接续顿然资源去核查一个一经被证伪的标的。
当某个假定积攒了饱胀多的维持凭据，况兼其置信度异常一个阈值时，它的情景就会从"考据中"升级为"已考据"。当推理板上只剩下独逐一个"已考据"的假定，而总共其他假定皆已被证伪或放胆时，总共这个词推理过程就到达了经管点——侦察不错拍板了案了。
最终谜底不是从总共麇集过的信息中随机生成的，而是从那张经过层层考据的"最大无突破子图"中提真金不怕火出来的——换句话说，惟有委果被说明的假定和委果维持它的凭据，才会被用来生成谜底。那些被证伪的分支、那些矛盾的信息，在最终谜底阶段全皆不会打扰限定。
四、侦察手中的器具：如何麇集多模态凭据
一个优秀的侦察不单会翻阅档册，他还会亲赴现场勘查、调取监控摄像、造访眼见证东谈主。Struct-Searcher通常配备了一套各种化的信息麇集器具。
麇集搜索器具是系统最常用的技巧，通过Serper API罢了，每次调用会复返按相关性排序的前五条搜索限定，包括标题、日历、节录和页面连结。图片搜索通常通过Serper API罢了，系统不错用笔墨刻画去主动搜寻与假定相关的图片，每次通常复返前五张相关图片的标题、起头连结和缩略图连结。由于好多图片的原始连结需要身份考据才气造访，系统使用不错径直造访的缩略图连结动作替代。
网页持取器具使用Jina Reader API，有时把指定URL的网页内容退换成纯文本神气，每个页面会被截取前六万个字符。图片分析器具则接受与系统骨干模子换取的视觉谈话模子，负责把问题中提供的图片或通过图片搜索找到的图片转动为与任务相关的笔墨刻画，这是谀媚视觉信息与笔墨推理的要道桥梁。此外还有文天职析器具，有时把各式非图片神气的文献——比如PDF文档、Office文档、PDB分子结构文献、JSON-LD数据文献以及压缩包——退换为可读的Markdown或纯文本神气。
从器具使用频率的统计数据来看，麇集搜索是最主要的技巧，在不同数据集上的平均使用占比达到了56%，图片搜索紧随后来，平均使用占比约为9.3%。这个数字说明系统如实在主动欺诈多模态信息起头，而不单是把图片动作一个可选的讳饰品。
五、三个科场：系统接受了哪些考验
酌量团队遴荐了三个专门针对多模态深度信息搜索智商遐想的测试集来造就Struct-Searcher的进展。
第一个测试集叫MM-BrowseComp，包含224谈手工遐想的题目，每谈题皆条款系统概括处理视觉和笔墨信息，而且答题所需的要道凭据不时藏在搜索限定网页中内嵌的图片或视频里，单靠笔墨推理是远远不够的。题目隐敝媒体、手艺、社会、地舆和学术五个类别，除了最终谜底的准确率除外，还提供了每谈题的分步核查清单，用于评估推理过程的质料。第二个测试集叫HLE-VL，是"东谈主类临了一次考试"（HLE）中包含图片的视觉谈话子集，共330谈题，高降生物医学、化学、诡计机科学与东谈主工智能、工程、东谈主文社科、数学、物理和其他八个范围。这个测试集的难度极高，题宗旨谜底必须可被考据，就连首先进的模子在上头的准确率也很低。第三个测试集叫BrowseComp-VL，共399谈题，全部需要跨模态推理。测试集按难度分为两个等第：199谈一级题的实体信息相对明确，不错径直用于搜索；200谈二级题则对实体信息进行了暧昧化处理，条款系统我方诡计搜索计策、整合信息、精熟查询，难度大幅提高。
六、获利单：Struct-Searcher的进展如何
把Struct-Searcher放进这三个科场之后，它的获利单颇为亮眼。在以GPT-5动作中枢推理引擎的建树下，金佰利国际娱乐官网入口Struct-Searcher在MM-BrowseComp上取得了32.7%的举座准确率、26.0%的严格准确率和44.6%的平均核查清单得分，比排行第二的敌手举座提高了约3.7%。在HLE-VL上取得了17.3%的举座准确率，比第二名提高约1.5%。在BrowseComp-VL上取得了48.6%的举座准确率，比第二名提高约0.7%。
这些提高幅度听起来似乎不大，但研究到这些测试集本人的极高难度，以及竞争敌手一经是GPT-5、o3等工业界最强系统，这么的源流是实质性的。在一个环球皆在争夺个位数准确率提高空间的赛场上，每一个百分点皆艰辛难得。
酌量中最能说明问题的一组数据，是与并行职责流系统Flash-Searcher的考究化对比。除了地舆类题目除外，Struct-Searcher在其他总共类别和总共难度等第的题目上皆达到或异常了Flash-Searcher的水平。酌量团队把这一景象归因于结构化念念考的中枢上风：比较于并行地同期处理多条旅途，结构化念念考会在总共这个词推理过程中不断进行回溯和自我反念念，从而灵验压制跨模态突破导致的过失积攒。
七、换个大脑照样好用：插件式通用智商的考据
一个优秀的推理框架不应该只可调解某一款特定的AI引擎职责，就像一套好的侦察办案经由不应该只可由某一个特定侦察实践。酌量团队专门测试了Struct-Searcher在五种不同中枢引擎上的进展，包括GPT-4.1、GPT-4o、Gemini-2.5-Flash、Gemini-2.5-Pro和GPT-5。
限定袒露，无论搭载哪款引擎，套上Struct-Searcher的结构化职责框架之后，系统的准确率皆有不同幅度的提高，在BrowseComp-VL数据集上五款引擎的平均提高幅度达到了17.2%。这意味着结构化念念考框架本人孝顺了确切的孤苦价值，而不单是某款强劲引擎的附属品。酌量团队把这种特质称为"即插即用、模子无关"。关于工程实践来说，这意味着随着基础模子不断更新迭代，这套推理框架不错径直套用在新引擎上，不需要为每款新模子再行遐想总共这个词架构。
在专门针对MM-BrowseComp的更细化忠良度分析中，五款引擎调解Struct-Searcher后的平均准确率提高达到了7.1%，进一步印证了这种一致性。
八、一个具体案例：侦察如何一步步锁定真相
筹论说文提供了一个齐全的确切案例，有时匡助咱们具体清醒Struct-Searcher是如何职责的。
题目提供了一张图片——图片里是一只玄色的鸟，特征是直率感强的全身玄色羽毛、粗大的淡色喙和一小块白色翼斑，栖息在草地角落。问题是：这种鸟的当然栖息地有哪些？题目中还请示了这种鸟是由十八世纪末一位德国博物学家初度纪录的，属于包含多种食种鸟类的科，栖息在密灌丛、湿地和严重退化的前丛林区域。
系统源流把这谈题判辨成四个规律递进的酌量：从图片中索要会诊特征、细则最可能的物种和分类巨擘、交叉考据该物种的栖息地信息，以及整合最终的栖息地类别。
第一步，系统调用图片分析器具查验这张图片，器具复返了一个初步识别限定——它合计这是"小纹胸雀"（Sporophila minuta）。系统并莫得坐窝接受这个谜底，而是同期把这个限定动作一个假定进行标志，并遏制到它与题目中"德国博物学家"这条笔墨陈迹可能存在突破——因为小纹胸雀的分类巨擘是瑞典东谈主林奈，而非德国东谈主。于是系统同期生成了另一个假定：这只鸟可能是"横斑食种雀"（Sporophila americana），其分类巨擘是德国博物学家格梅林，时分恰是1789年，全皆相宜题目刻画。
第二步，系统并行地对两个假定伸开考据，调用维基百科页面、麇集搜索和BirdLife数据库。凭据接续复返：横斑食种雀的分类巨擘如实是格梅林1789年，属于唐纳雀科；而小纹胸雀的典型雄性羽色是栗红色而非直率玄色，与图片昭彰不符，其分类巨擘亦然林奈而非德国东谈主。两条反驳陈迹同期指向小纹胸雀假定，系统将其标志为"已证伪"，罢手总共与该假定相关的搜索。
随后在后续标准中，系统又发现了一个新的竞争假定——"大嘴食种雀"（Sporophila crassirostris），其维基百科页面包含了一句精准相宜题目刻画的栖息地表述："其当然栖息地为亚热带或热带湿气灌丛、池沼和严重退化的前丛林。"这句话与题目中提到的"密灌丛、湿地和严重退化的前丛林"险些逐一双应。系统赶紧再行评估，将大嘴食种雀与横斑食种雀并排为两个活跃假定，接续用多个起头的凭据进行交叉考据。
经过几轮并行搜索和凭据整合，大嘴食种雀的假定被多个孤苦起头一致维持，而横斑食种雀在湿地这一要道栖息地类别上阻塞明确凭据维持，最终被放置。系统给出的最终谜底是：亚热带或热带湿气灌丛、池沼和严重退化的前丛林。
这个案例齐全展示了结构化念念考的上风：开动的图片识别过失并莫得导致灾荒性的连锁失实，而是被系统的多假定并行考据机制实时拿获和翻新。
九、与其他类型侦察的对比：三种职责方式的赢输
酌量团队还专门作念了一个"三种侦察职责方式大比武"的实验，将Struct-Searcher代表的结构化职责流与另外两种典型职责方式进行了径直比较。
第一种是"线性侦察"，对应经典的ReAct框架——侦察按功令一步一步鼓吹案件，完成一个动作之后再研究下一个，这是现时最基础的AI代理职责模式。第二种是"并行侦察"，对应Flash-Searcher框架——侦察把大案件拆解成多条孤苦的视察线并行鼓吹，提高成果，但每条线各利己战，整合矛盾信息的智商有限。第三种是Struct-Searcher的"结构化侦察"——侦察爱戴一张动态更新的推理板，总共假定分享合并个信念情景，凭据不错实时修正任何一个假定的情景。
以GPT-5动作共同的中枢引擎，三种职责方式在MM-BrowseComp上的准确率分辩约为9.8%、10.9%和32.7%，结构化职责流比线性职责流高出约21.8个百分点，比并行职责流高出约21.8个百分点。在HLE-VL上，三者分辩约为16.1%、15.2%和17.3%，结构化职责流提高约1.2个百分点。在BrowseComp-VL上，三者分辩约为44.7%、47.9%和48.6%，结构化职责流提高约0.7个百分点。
不同数据集上的提高幅度相反权贵。MM-BrowseComp是提高最昭彰的场景，这可能与该数据集会图文信息突破最为密集接洽；而HLE-VL和BrowseComp-VL的提高则相对较小，但仍然保持了方朝上的一致性。
说到底，Struct-Searcher这项酌量处置的是一个十分根人性的问题：当一个AI系统需要同期处理来自多种媒体的信息，而这些信息又可能相互矛盾时，它应该如何办？酌量团队给出的谜底不是"造一个更强劲的单一模子"，而是"遐想一个更明智的念念考框架"。这个框架的灵感来自几十年前形而上学家们对"感性个体如何更新信念"这个问题的潜入念念考，最终被翻译成了一张动态更新的推理板，让AI代理在濒临多模态信息突破时领有了回头纠错的智商。
这种智商对现实寰宇的道理是具体的。当AI需要匡助你核查一则图文并茂的新闻报谈的确切性时，当AI需要概括一张X光片和一份病历论说来支持医疗判断时，当AI需要从充斥着真真假假信息的电商评价中提真金不怕火出有用论断时，一个懂得在矛盾中修正信念的系统，和一个只会堆砌信息的系统，可能给出迥然相异的限定。
酌量团队在预计将来时提到，他们策划在这套结构化念念考框架的基础上，通过强化学习等老师方式拓荒出开源的基础模子——也即是说，这套侦察念念维框架有望被"内化"进AI模子的参数之中，而不单是停留在框架层面。这是一个故道理的标的：如若将来的AI有时从出厂出手就具备这种信念修正的智商，而不是依赖外部框架来经管它，多模态信息搜索的可靠性还会进一步提高。有酷爱跟踪这一标的进展的读者，不错通过arXiv:2606.07689查阅齐全论文。
Q&A
Q1：Struct-Searcher和粗俗的AI搜索代理有什么骨子区别？
A：粗俗AI搜索代理频繁接受"线性积攒"模式，一齐上前麇集信息，碰到矛盾也不会回头翻新。Struct-Searcher的中枢区别在于引入了一张动态更新的"推理板"，同期爱戴多个竞争假定，当新凭据推翻某个假定时，系统会立即罢手该标的的总共搜索，幸免过失积攒。这种机制让系统在处理图片、笔墨等不同媒体起头的矛盾信息时，具备了主动纠错的智商。
Q2：Struct-Searcher在哪些确切场景下能阐明最大作用？
A：Struct-Searcher在图片信息暧昧或不同媒体起头存在昭彰突破的场景下上风最为凸起。举例识别一张不明晰的建筑或生物图片并查询相关信息、核查图文并茂的新闻报谈确切性、概括多个渠谈信息作念出判断等。酌量数据袒露，在多模态信息突破密集的MM-BrowseComp测试集上，Struct-Searcher比较传统职责流的准确率提高异常20个百分点。
Q3：Struct-Searcher能调解不同的AI大模子使用吗？
A：不错。酌量团队在GPT-4.1、GPT-4o、Gemini-2.5-Flash、Gemini-2.5-Pro和GPT-5五种不同中枢引擎上皆测试了Struct-Searcher，总共引擎在套用这个结构化框架后准确率皆有提高金佰利app官方版下载，在BrowseComp-VL上的平均提高幅度达到17.2%。这种"即插即用、模子无关"的特质意味着随着基础AI模子的更新，这套框架不错径直移动使用。